基于机器视觉的交通标志检测与识别算法研究
| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-17页 |
| 1.1 研究背景和意义 | 第7-9页 |
| 1.2 交通标志发展概述 | 第9-13页 |
| 1.2.1 国外研究现状 | 第9-11页 |
| 1.2.2 国内研究现状 | 第11-13页 |
| 1.3 交通标志重难点分析 | 第13-15页 |
| 1.3.1 交通标志图像采集的光照影响 | 第14-15页 |
| 1.3.2 交通标志图像的形变 | 第15页 |
| 1.4 主要研究内容和研究方法 | 第15-17页 |
| 2 交通标志简介及图像预处理 | 第17-24页 |
| 2.1 概述 | 第17页 |
| 2.2 交通标志分析 | 第17-19页 |
| 2.2.1 交通标志简介 | 第17-19页 |
| 2.2.2 交通标志特征分析 | 第19页 |
| 2.3 图像预处理 | 第19-23页 |
| 2.3.1 直方图均衡化 | 第20-21页 |
| 2.3.2 图像滤波 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 基于颜色和形状的交通标志检测 | 第24-46页 |
| 3.1 概述 | 第24-25页 |
| 3.2 基于颜色的交通标志检测 | 第25-30页 |
| 3.2.1 RGB颜色模型 | 第25-26页 |
| 3.2.2 HSV颜色模型 | 第26-27页 |
| 3.2.3 HSI颜色模型 | 第27-28页 |
| 3.2.4 颜色分割 | 第28-30页 |
| 3.3 形态学处理与阈值筛选 | 第30-34页 |
| 3.3.1 形态学膨胀与腐蚀 | 第30-33页 |
| 3.3.2 面积阈值筛除 | 第33页 |
| 3.3.3 长宽比阈值筛除 | 第33页 |
| 3.3.4 实验处理分析 | 第33-34页 |
| 3.4 基于形状的交通标志检测 | 第34-45页 |
| 3.4.1 轮廓提取 | 第35-38页 |
| 3.4.2 变形矫正 | 第38-41页 |
| 3.4.3 形状检测 | 第41-45页 |
| 3.5 本章小结 | 第45-46页 |
| 4 感兴趣区域的特征提取及标志识别 | 第46-59页 |
| 4.1 概述 | 第46-47页 |
| 4.2 HOG特征提取 | 第47-50页 |
| 4.3 基于SVM交通标志识别 | 第50-56页 |
| 4.3.1 SVM的分类原理 | 第50-55页 |
| 4.3.2 SVM多分类策略 | 第55-56页 |
| 4.4 基于相似度测量的分类评价 | 第56-58页 |
| 4.5 本章小结 | 第58-59页 |
| 5 实验验证 | 第59-66页 |
| 5.1 数据集 | 第59-61页 |
| 5.1.1 GTSRB数据集 | 第59-60页 |
| 5.1.2 自行采集的数据集 | 第60-61页 |
| 5.2 软硬件仿真平台 | 第61-62页 |
| 5.3 实验结果分析 | 第62-65页 |
| 5.4 本章小结 | 第65-66页 |
| 6 全文总结与展望 | 第66-68页 |
| 6.1 论文总结 | 第66页 |
| 6.2 不足与展望 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 致谢 | 第71-73页 |
