基于特征的交通标志图像识别的应用研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-10页 |
| CONTENTS | 第10-13页 |
| 第一章 绪论 | 第13-20页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 研究现状及相关技术 | 第14-18页 |
| 1.2.1 国内外研究现状 | 第14-15页 |
| 1.2.2 交通标志检测技术 | 第15-17页 |
| 1.2.3 交通标志识别技术 | 第17-18页 |
| 1.3 研究难点 | 第18-19页 |
| 1.4 课题来源和本文主要的研究内容 | 第19-20页 |
| 第二章 基于颜色特征实现交通标志的分割 | 第20-30页 |
| 2.1 彩色空间模型分析及颜色分割 | 第20-24页 |
| 2.1.1 RGB空间模型分析 | 第20-21页 |
| 2.1.2 HSV颜色空间模型 | 第21-23页 |
| 2.1.3 简单向量滤波器SVF | 第23-24页 |
| 2.2 实验结果与比较 | 第24-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第三章 基于形状属性的实现交通标志提取与分类 | 第30-42页 |
| 3.1 图像二值化 | 第31页 |
| 3.2 中值滤波 | 第31-33页 |
| 3.3 数学形态学处理 | 第33-35页 |
| 3.4 目标区域获取 | 第35-36页 |
| 3.5 基于形状特征的交通标志的初步识别与分类 | 第36-41页 |
| 3.5.1 形状特征分析 | 第36-37页 |
| 3.5.2 形状特征属性分析及计算 | 第37-39页 |
| 3.5.3 提取与分类示例 | 第39-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第四章 基于SVM的交通标志的理解分类 | 第42-59页 |
| 4.1 引言 | 第42页 |
| 4.2 特征选择与提取 | 第42-46页 |
| 4.2.1 Hu不变矩 | 第43-44页 |
| 4.2.2 Zernike不变矩 | 第44-46页 |
| 4.3 统计学理论与支持向量机 | 第46-50页 |
| 4.3.1 VC维与结构风险最小化 | 第46-47页 |
| 4.3.2 支持向量机 | 第47-50页 |
| 4.4 基于SVM的交通标志分类 | 第50-58页 |
| 4.4.1 分类流程图 | 第50页 |
| 4.4.2 实验数据准备 | 第50-51页 |
| 4.4.3 分类特征的提取与分析 | 第51-56页 |
| 4.4.4 分类器的训练与优化 | 第56-57页 |
| 4.4.5 基于SVM的分类实验结果与分析 | 第57-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 交通标志识别系统的设计与实现 | 第59-63页 |
| 5.1 系统是设计简介 | 第59-61页 |
| 5.2 系统运行示例 | 第61-62页 |
| 5.3 本章小结 | 第62-63页 |
| 总结与展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读学位期间发表的论文 | 第69-71页 |
| 致谢 | 第71页 |
