自然场景下交通标志图像识别方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 引言 | 第11-12页 |
| 1 绪论 | 第12-24页 |
| ·道路交通标志识别研究的背景及意义 | 第12-15页 |
| ·研究背景 | 第12-14页 |
| ·研究意义 | 第14-15页 |
| ·道路交通标志识别的国内外研究现状 | 第15-22页 |
| ·交通标志图像分割与定位算法研究现状 | 第18-20页 |
| ·交通标志分类算法研究现状 | 第20-21页 |
| ·交通标志识别算法研究现状 | 第21-22页 |
| ·论文的结构与内容安排 | 第22-24页 |
| 2 道路交通标志识别基础 | 第24-36页 |
| ·引言 | 第24页 |
| ·道路交通标志的基础知识介绍 | 第24-29页 |
| ·警告标志 | 第25页 |
| ·禁令标志 | 第25-28页 |
| ·指示标志 | 第28-29页 |
| ·典型的彩色空间模型 | 第29-33页 |
| ·RGB彩色空间 | 第29页 |
| ·HSI彩色空间 | 第29-32页 |
| ·HSV彩色空间 | 第32-33页 |
| ·YUV彩色空间 | 第33页 |
| ·道路交通标志识别系统的框架设计 | 第33-34页 |
| ·本章小结 | 第34-36页 |
| 3 统计学习理论与支持向量机 | 第36-47页 |
| ·引言 | 第36页 |
| ·统计学习理论 | 第36-39页 |
| ·VC维 | 第37页 |
| ·结构风险最小化 | 第37-39页 |
| ·支持向量机 | 第39-45页 |
| ·最优分类超平面 | 第40-41页 |
| ·支持向量 | 第41-43页 |
| ·核函数 | 第43-45页 |
| ·松弛变量与惩罚因子 | 第45页 |
| ·支持向量机变形算法 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 4 道路交通标志图像分割与检测算法研究 | 第47-61页 |
| ·引言 | 第47-48页 |
| ·基于颜色的道路交通标志图像分割算法研究 | 第48-56页 |
| ·彩色交通标志图像分割算法研究 | 第48-56页 |
| ·基于形状的道路交通标志分类算法研究 | 第56-59页 |
| ·交通标志的形状属性 | 第56-58页 |
| ·基于形状的交通标志分类 | 第58-59页 |
| ·本章小结 | 第59-61页 |
| 5 道路交通标志图像增强与几何校正算法研究 | 第61-73页 |
| ·引言 | 第61页 |
| ·道路交通标志图像增强算法研究 | 第61-66页 |
| ·经典的图像增强算法 | 第61-63页 |
| ·MSR算法在交通标志图像增强中的应用 | 第63-66页 |
| ·道路交通标志几何校正算法研究 | 第66-72页 |
| ·仿射变换 | 第66-69页 |
| ·仿射变换校正三角形交通标志试验 | 第69-71页 |
| ·圆形交通标志校正试验 | 第71-72页 |
| ·本章小结 | 第72-73页 |
| 6 基于SVM的道路交通标志分类与识别算法研究 | 第73-83页 |
| ·引言 | 第73页 |
| ·Hu不变矩和Zernike不变矩理论 | 第73-76页 |
| ·交通标志的特征提取 | 第76-77页 |
| ·交通标志分类的特征向量提取 | 第76-77页 |
| ·交通标志识别的特征向量提取 | 第77页 |
| ·实验与结果分析 | 第77-82页 |
| ·不变矩在交通标志识别中的局限性 | 第82页 |
| ·本章小结 | 第82-83页 |
| 7 结论 | 第83-85页 |
| 参考文献 | 第85-90页 |
| 个人简历 | 第90页 |
| 在学期间发表的学术论文与科研成果 | 第90-91页 |
| 致谢 | 第91页 |
