道路交通標志識別系統(tǒng)是現(xiàn)代智能交通系統(tǒng)的重要組成部分之一,其有效運用將有利于提高交通管理的智能化、自動化水平,是智能交通研究的一個重要內(nèi)容。道路交通標志識別系統(tǒng)主要包括交通標志的檢測和識別兩個部分。其中,交通標志檢測是要解決的關(guān)鍵問題,是實現(xiàn)交通標志正確判別的前提。本文在研究了經(jīng)典交通標志檢測算法后,提出了改進算法,并將結(jié)合SIFT算法實現(xiàn)交通標志的識別。本文的主要工作是:（1）常見的道路交通標志檢測算法檢測對象比較單一,多以某一類中的若干個標志為檢測對象,當檢測對象的樣本數(shù)較多時,檢測正確率明顯下降。此外,該類方法雖然考慮了交通標志的顏色和形狀等信息,但卻忽略了顏色、幾何形狀與標志之間的確定性關(guān)系。本文提出了一種快速有效的交通標志檢測算法,根據(jù)標志的形狀及顏色等先驗信息,確定交通標志與先驗信息的唯一關(guān)系,建立一棵交通標志決策樹,并根據(jù)每一個節(jié)點逐層篩選興趣區(qū)域,將檢測結(jié)果分為10個子類。實驗表明,該方法降低了TSR系統(tǒng)的復(fù)雜度,采用統(tǒng)一的方法對各類標志進行檢測,并對檢測結(jié)果粗分類,提高了系統(tǒng)的實用性和有效性。（2）道路情況的復(fù)雜性使得交通標志圖像背景很復(fù)雜,加之光照條件的變化以及車輛... 

【文章來源】：南京航空航天大學(xué)江蘇省 211工程院校

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
縮略詞
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 智能交通研究簡介
        1.2.2 交通標志檢測研究簡介
        1.2.3 交通標志識別研究簡介
    1.3 本文研究內(nèi)容與章節(jié)安排
第二章 目標檢測技術(shù)與SIFT特征概述
    2.1 引言
    2.2 靜止背景下的運動目標檢測
        2.2.1 幀間差分法
        2.2.2 背景差法
        2.2.3 光流法
    2.3 基于屬性特征的目標檢測
        2.3.1 基于顏色特征的目標區(qū)域提取
        2.3.2 基于形狀特征的目標區(qū)域提取
        2.3.3 基于梯度特征的目標區(qū)域提取
    2.4 SIFT特征
        2.4.1 SIFT特征點檢測
        2.4.2 SIFT特征描述子生成
    2.5 本章小結(jié)
第三章 基于先驗信息的交通標志檢測
    3.1 引言
    3.2 交通標志的先驗信息
        3.2.1 交通標志的顏色屬性
        3.2.2 交通標志的形狀屬性
        3.2.3 基于先驗信息的交通標志決策樹
    3.3 基于先驗信息的交通標志檢測
        3.3.1 基于HSI顏色模型的候選區(qū)域提取
        3.3.2 基于決策樹的交通標志檢測
    3.4 實驗結(jié)果與分析
    3.5 本章小結(jié)
第四章 復(fù)雜動態(tài)場景下的交通標志檢測
    4.1 引言
    4.2 昏暗光照下的道路交通標志檢測方法
        4.2.1 基于直方圖均衡化的彩色圖像增強
        4.2.2 基于多尺度Retinex的彩色圖像增強
    4.3 缺失情況下的道路交通標志檢測
        4.3.1 基于鏈碼跟蹤的輪廓檢測技術(shù)
        4.3.2 基于Hough變換的邊界補全技術(shù)
        4.3.3 算法過程
    4.4 基于仿射變換的交通標志形狀矯正
        4.4.1 透視變換
        4.4.2 關(guān)鍵點檢測
        4.4.3 雙線性插值算法
        4.4.4 算法過程
    4.5 本章小結(jié)
第五章 交通標志的檢測識別系統(tǒng)的實現(xiàn)
    5.1 引言
    5.2 交通標志檢測識別系統(tǒng)框架
    5.3 交通標志的識別系統(tǒng)的移植
        5.3.1 硬件環(huán)境
        5.3.2 軟件環(huán)境
        5.3.3 交通標志檢測識別系統(tǒng)在Android端的實現(xiàn)
        5.3.4 交通標志檢測識別系統(tǒng)在IOS端的實現(xiàn)
        5.3.5 交通標志檢測識別系統(tǒng)在DSP上的實現(xiàn)
        5.3.6 算法在各平臺上的實驗對比
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 本文工作總結(jié)
    6.2 未來工作展望
參考文獻
致謝
在學(xué)期間的研究成果及發(fā)表的學(xué)術(shù)論文


【參考文獻】：
期刊論文
[1]形狀標記圖和Gabor小波的交通標志識別[J]. 谷明琴,蔡自興,何芬芬.  智能系統(tǒng)學(xué)報. 2011(06)
[2]一種基于Hough變換的圓和矩形的快速檢測方法[J]. 秦開懷,王海潁,鄭輯濤.  中國圖象圖形學(xué)報. 2010(01)
[3]基于多尺度Retinex的自適應(yīng)圖像增強方法[J]. 劉茜,盧心紅,李象霖.  計算機應(yīng)用. 2009(08)
[4]基于隔幀差分區(qū)域光流法的運動目標檢測[J]. 鄧輝斌,熊邦書,歐巧鳳.  半導(dǎo)體光電. 2009(02)
[5]圖像處理中GAMMA校正的研究和實現(xiàn)[J]. 彭國福,林正浩.  電子工程師. 2006(02)
[6]幀間差分與背景差分相融合的運動目標檢測算法[J]. 朱明旱,羅大庸,曹倩霞.  計算機測量與控制. 2005(03)
[7]Freeman鏈碼壓縮算法的研究[J]. 劉勇奎.  計算機學(xué)報. 2001(12)
[8]智能交通系統(tǒng)運動車輛的視覺檢測(英文)[J]. 王春波,張衛(wèi)東,許曉鳴.  紅外與毫米波學(xué)報. 2001(02)
[9]一種新的基于鏈碼描述的輪廓填充方法[J]. 任明武,楊靜宇,孫涵.  中國圖象圖形學(xué)報. 2001(04)
[10]基于彩色圖像的指示標志檢測[J]. 郁梅,郁伯康.  計算機工程與應(yīng)用. 2000(04)



本文編號：2981428