| 摘要 | 第1-6页 |
| ABSTRACT | 第6-14页 |
| 第一章 绪论 | 第14-20页 |
| ·研究背景及意义 | 第14-15页 |
| ·研究难点 | 第15-16页 |
| ·国内外研究现状及分析 | 第16-18页 |
| ·交通标志检测的研究现状 | 第16-17页 |
| ·交通标志判别的研究现状 | 第17-18页 |
| ·本文主要研究内容及章节安排 | 第18-19页 |
| ·研究任务及主要研究内容 | 第18页 |
| ·论文章节安排 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第二章 深度学习理论与模型 | 第20-33页 |
| ·概述 | 第20-21页 |
| ·深度学习理论 | 第21-24页 |
| ·传统的机器学习与深度学习 | 第21-22页 |
| ·视觉机理与深度学习原理 | 第22-24页 |
| ·深度学习的常用方法 | 第24-31页 |
| ·稀疏编码SC(Spares Coding) | 第24-25页 |
| ·受限波尔兹曼机RBM(Restricted Boltzmann Machine) | 第25-28页 |
| ·深度置信网络DBN(Deep Belief Networks) | 第28-29页 |
| ·卷积神经网络CNN(Convolutional Neural Networks) | 第29-31页 |
| ·深度学习的应用及面临的问题 | 第31-32页 |
| ·深度学习的应用 | 第31-32页 |
| ·深度学习面临的问题 | 第32页 |
| ·本章小结 | 第32-33页 |
| 第三章 基于颜色和形状的禁令交通标志检测 | 第33-57页 |
| ·国内交通标志常识 | 第33-36页 |
| ·禁令标志图像的颜色分割 | 第36-43页 |
| ·颜色模型介绍 | 第36-39页 |
| ·彩色图像光照均衡化处理 | 第39-40页 |
| ·基于改进的RGB颜色模型的颜色分割 | 第40-43页 |
| ·确定感兴趣区域(ROI) | 第43-48页 |
| ·二值膨胀与腐蚀处理 | 第44-46页 |
| ·开启与闭合运算 | 第46页 |
| ·区域填充与面积过滤 | 第46-48页 |
| ·禁令交通标志的形状检测 | 第48-56页 |
| ·连通区域标注及区域参数提取 | 第48-50页 |
| ·圆形度检测法的改进及其应用 | 第50-52页 |
| ·基于特征参数的正三角形检测法的改进及应用 | 第52-55页 |
| ·检测结果及分析 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第四章 基于深度学习模型MPCNN的禁令交通标志判别 | 第57-68页 |
| ·交通标志样本数据集的获取 | 第57-58页 |
| ·经典的CNN结构LeNet-5 | 第58-60页 |
| ·改进的CNN结构—MPCNN | 第60-67页 |
| ·MPCNN的特点 | 第60-61页 |
| ·MPCNN的结构 | 第61-62页 |
| ·MPCNN的训练方法 | 第62-64页 |
| ·基于MPCNN的禁令交通标志判别过程 | 第64-65页 |
| ·禁令交通标志判别结果 | 第65-67页 |
| ·本章小结 | 第67-68页 |
| 第五章 禁令交通标志识别系统的设计与实现 | 第68-71页 |
| ·禁令交通标志识别系统的设计 | 第68-69页 |
| ·禁令交通标志识别系统的功能简介 | 第68页 |
| ·禁令交通标志识别系统框架 | 第68-69页 |
| ·禁令交通标志识别实验与演示系统 | 第69-70页 |
| ·软件和硬件环境 | 第69页 |
| ·禁令交通标志识别系统界面及运行结果 | 第69-70页 |
| ·本章小结 | 第70-71页 |
| 总结与展望 | 第71-73页 |
| 总结 | 第71-72页 |
| 展望 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 攻读学位期间发表的论文 | 第78-80页 |
| 致谢 | 第80页 |
