| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 研究背景与意义 | 第13页 |
| 1.2 道路交通标志检测与识别的国内外研究现状 | 第13-16页 |
| 1.2.1 道路交通标志的颜色和形状特征 | 第14页 |
| 1.2.2 道路交通标志检测方法的国内外研究现状 | 第14-15页 |
| 1.2.3 道路交通标志识别算法的国内外研究现状 | 第15-16页 |
| 1.3 本文主要研究内容及难点 | 第16-19页 |
| 1.3.1 本文研究内容 | 第16-17页 |
| 1.3.2 本文研究的难点 | 第17-19页 |
| 第2章 道路交通标志预处理及其颜色粗分割 | 第19-33页 |
| 2.1 交通标志检测系统流程图 | 第19页 |
| 2.2 本文所涉及的自然场景简介 | 第19-20页 |
| 2.3 图像预处理 | 第20-23页 |
| 2.3.1 直方图均衡化 | 第20-22页 |
| 2.3.2 高斯滤波 | 第22页 |
| 2.3.3 二值图像的形态学处理 | 第22-23页 |
| 2.4 基于HSV空间的颜色粗分割 | 第23-32页 |
| 2.4.1 颜色模型介绍 | 第24-27页 |
| 2.4.2 基于HSV颜色模型的自适应阈值分割 | 第27-31页 |
| 2.4.3 多种自适应阈值分割算法效果对比 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 基于形状的道路交通标志再分割及其初分类 | 第33-42页 |
| 3.1 融合边缘和形状信息的再分割 | 第33-36页 |
| 3.1.1 边缘检测 | 第33-34页 |
| 3.1.2 基于轮廓矩的交通标志再分割 | 第34-36页 |
| 3.2 圆形度初分类 | 第36-38页 |
| 3.2.1 圆形度理论简介 | 第36-37页 |
| 3.2.2 道路交通标志初分类结果与分析 | 第37-38页 |
| 3.3 归一化处理 | 第38-41页 |
| 3.3.1 灰度归一化 | 第39-40页 |
| 3.3.2 尺寸归一化 | 第40-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 基于LBP特征的SVM道路交通标志识别算法 | 第42-51页 |
| 4.1 LBP纹理特征简介 | 第42-43页 |
| 4.2 LBP特征向量的提取 | 第43-45页 |
| 4.3 基于SVM的道路交通标志识别 | 第45-50页 |
| 4.3.1 支持向量机分类 | 第45-48页 |
| 4.3.2 多分类SVM算法 | 第48-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 道路交通标志识别系统设计及运行实验 | 第51-57页 |
| 5.1 道路交通标志识别系统环境及数据库的建立 | 第51-52页 |
| 5.1.1 道路交通标志识别系统运行环境 | 第51页 |
| 5.1.2 数据库的建立 | 第51-52页 |
| 5.2 道路交通标志识别系统运行结果及分析 | 第52-56页 |
| 5.2.1 道路交通标志识别系统总体流程 | 第52-53页 |
| 5.2.2 道路交通标志识别系统运行程序流程 | 第53-54页 |
| 5.2.3 道路交通标志识别系统运行结果及分析 | 第54-56页 |
| 5.2.4 与原SVM分类效果对比 | 第56页 |
| 5.3 本章小结 | 第56-57页 |
| 总结与展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63页 |