交通標志識別作為智能交通系統(tǒng)和無人駕駛技術的關鍵環(huán)節(jié)之一,識別精度直接影響智能交通系統(tǒng)和無人駕駛汽車的安全性和可靠性。因此,研究霧霾天氣下的交通標志圖像識別算法具有重要的理論價值和現(xiàn)實意義。結合無人駕駛項目需求,著重研究了含霧交通標志圖像去霧處理和基于CNN的交通標志圖像識別算法,并完成了算法的仿真實驗,所做的主要工作如下:（1）針對傳統(tǒng)暗原色估計算法對含霧交通標志圖像去霧處理后出現(xiàn)的“halo”效應,設計了一種多尺度窗口的自適應暗原色估計算法,通過對圖像進行邊緣檢測并根據(jù)景深邊緣信息改變窗口尺寸得到自適應暗原色估計圖。針對含霧交通標志圖像去霧處理后明亮區(qū)域失真現(xiàn)象,設計了一種自適應透射率修復的圖像去霧算法,通過構建大氣耗散函數(shù)并根據(jù)紋理信息對大氣耗散函數(shù)進行修正,進而實現(xiàn)透射率的自適應修復。實驗結果表明,改進算法較好的解決了“halo”效應以及明亮區(qū)域失真問題,去霧效果較好。（2）針對傳統(tǒng)識別算法對交通標志識別正確率低的問題,引入神經(jīng)網(wǎng)絡方法對交通標志進行識別。針對經(jīng)典卷積神經(jīng)網(wǎng)絡VGG16要求輸入圖像大小固定的缺陷,結合遷移學習知識并引入空間金字塔池化對VGG16網(wǎng)絡模型進行改進。... 

【文章來源】：長安大學陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：65 頁

【學位級別】：碩士

【部分圖文】：

直方圖均衡化去霧算法分類塊重疊直方圖均衡化算法的思想是：為了更好的保持圖像細節(jié)信息，對部分特殊區(qū)

同態(tài)濾波器處理流程

圖像降質模型

【參考文獻】：
期刊論文
[1]天空識別的改進暗通道先驗單幅圖像去霧算法研究[J]. 譚龍江.  小型微型計算機系統(tǒng). 2019(01)
[2]霧霾天氣變化特征與分析[J]. 曲原,祁蕾.  時代農(nóng)機. 2018(12)
[3]基于暗原色先驗的霧霾天氣圖像清晰化算法[J]. 馬嘯,邵利民,徐冠雷.  計算機工程與科學. 2018(12)
[4]基于暗原色先驗的Retinex去霧算法[J]. 董輝,金闊洋.  浙江工業(yè)大學學報. 2018(06)
[5]結合天空區(qū)域識別的單幅圖像去霧方法[J]. 李堯羿,杜宇超,顧振飛.  計算機工程與應用. 2018(19)
[6]一種基于GMP-LeNet網(wǎng)絡的車牌識別方法[J]. 林哲聰,張江鑫.  計算機科學. 2018(S1)
[7]基于改進梯度相似度核的交通圖像去霧算法[J]. 汪貴平,宋京,杜晶晶,黃鶴,王會峰.  中國公路學報. 2018(06)
[8]基于LeNet-5改進的卷積神經(jīng)網(wǎng)絡圖像識別方法[J]. 吳陽陽,彭廣德,吳相飛.  信息與電腦(理論版). 2018(07)
[9]基于改進激活函數(shù)的卷積神經(jīng)網(wǎng)絡研究[J]. 曲之琳,胡曉飛.  計算機技術與發(fā)展. 2017(12)
[10]基于改進的卷積神經(jīng)網(wǎng)絡LeNet-5的車型識別方法[J]. 王秀席,王茂寧,張建偉,程鵬.  計算機應用研究. 2018(07)

博士論文
[1]海霧形成與發(fā)展機制的觀測分析與數(shù)值模擬研究[D]. 郭敬天.中國海洋大學 2008

碩士論文
[1]基于遷移學習和深度卷積神經(jīng)網(wǎng)絡的車標識別方法研究[D]. 李全杰.廣東工業(yè)大學 2018
[2]基于優(yōu)化的VGG模型道路交通標志識別研究[D]. 謝新明.長沙理工大學 2017
[3]無人駕駛車交通標志和標線識別技術的研究[D]. 雷可.長安大學 2017
[4]基于深度屬性學習的交通標志識別方法研究[D]. 王堅.北京交通大學 2017
[5]一種基于模板匹配的交通標志識別方法[D]. 王洋.吉林大學 2013
[6]單幅圖像去霧處理算法研究及軟件實現(xiàn)[D]. 鐘仡龍.西南交通大學 2012
[7]單幅霧天降質圖像復原方法研究[D]. 王勇.合肥工業(yè)大學 2010
[8]基于DSP的霧天監(jiān)控視頻圖像清晰化處理方法研究[D]. 季娜.大連海事大學 2009
[9]大霧天氣下圖像的清晰化方法[D]. 賈明橋.西安理工大學 2006



本文編號：3076717