隨著我國(guó)道路交通的迅猛發(fā)展,眾多交通事故頻發(fā),輔助駕駛系統(tǒng)和無人駕駛系統(tǒng)應(yīng)運(yùn)而生。交通標(biāo)志的檢測(cè)與識(shí)別作為智能交通系統(tǒng)的重要組成部分,已成為目前交通領(lǐng)域的重點(diǎn)研究課題。概括來說,交通標(biāo)志的檢測(cè)與識(shí)別系統(tǒng)主要有分割交通標(biāo)志和識(shí)別分類交通標(biāo)志兩部分組成。本文主要完成了下面幾個(gè)方面的內(nèi)容:（1）由于現(xiàn)實(shí)環(huán)境中的道路情況復(fù)雜多變,因此獲得的交通標(biāo)志圖像需要經(jīng)過預(yù)處理步驟才能較好地被檢測(cè)與識(shí)別。本文采用Gamma校正及直方圖均衡化方法來減少光照強(qiáng)度變化的影響達(dá)到增強(qiáng)圖像的目的;同時(shí)采用中值濾波消除交通標(biāo)志圖像中的噪聲,用維納濾波消除圖像采集過程中產(chǎn)生的運(yùn)動(dòng)模糊;最后對(duì)比了RGB、HSV、HSI三種不同色彩模型空間的特點(diǎn)以及相互轉(zhuǎn)化方式。（2）針對(duì)道路交通標(biāo)志檢測(cè)系統(tǒng)中的檢測(cè)準(zhǔn)確率問題,提出了一種基于顏色特征與支持向量機(jī)（SVM,Support Vector Machine）融合的交通標(biāo)志精檢測(cè)算法。該檢測(cè)方法首先采用HSV三個(gè)顏色通道實(shí)施閾值分割,采用形態(tài)學(xué)開運(yùn)算操作消除大部分無關(guān)區(qū)域,同時(shí)對(duì)處理后的圖像進(jìn)行填充,并采用連通區(qū)域標(biāo)記的方法把不同物體分開,得到感興趣區(qū)域;然后分別提取粗檢測(cè)標(biāo)志圖像... 

【文章來源】：安徽工程大學(xué)安徽省

【文章頁數(shù)】：59 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題研究的背景及意義
    1.2 國(guó)內(nèi)外研究的動(dòng)態(tài)和現(xiàn)狀
        1.2.1 國(guó)外研究現(xiàn)狀
        1.2.2 國(guó)內(nèi)研究現(xiàn)狀
    1.3 本文研究的主要內(nèi)容和文章的結(jié)構(gòu)布局
第2章 交通標(biāo)志檢測(cè)基礎(chǔ)
    2.1 交通標(biāo)志數(shù)據(jù)集采集及分析
    2.2 常用的顏色模型
        2.2.1 RGB顏色模型
        2.2.2 HSV顏色模型
        2.2.3 HSI顏色模型
    2.3 交通標(biāo)志預(yù)處理
        2.3.1 圖像增強(qiáng)處理
        2.3.2 圖像復(fù)原技術(shù)
    2.4 本章小結(jié)
第3章 基于顏色特征和SVM融合的交通標(biāo)志檢測(cè)
    3.1 基于HSV模型空間的顏色分割
        3.1.1 顏色特征空間的選擇
        3.1.2 基于HSV顏色空間的交通標(biāo)志粗分割
        3.1.3 實(shí)驗(yàn)與分析
    3.2 疑似區(qū)域預(yù)處理
        3.2.1 形態(tài)學(xué)處理
        3.2.2 二值圖像連接操作
        3.2.3 實(shí)驗(yàn)與分析
    3.3 不變矩特征
        3.3.1 小波不變矩特征
        3.3.2 Legendre矩特征
        3.3.3 組合矩特征
    3.4 基于SVM的交通標(biāo)志精檢測(cè)
        3.4.1 支持向量機(jī)原理
        3.4.2 分類器訓(xùn)練
    3.5 組合矩特征+SVM進(jìn)行形狀判別
    3.6 本章小結(jié)
第4章 基于卷積神經(jīng)網(wǎng)絡(luò)的交通標(biāo)志識(shí)別
    4.1 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        4.1.1 卷積層
        4.1.2 激活層
        4.1.3 池化層
        4.1.4 全連接層
    4.2 卷積網(wǎng)絡(luò)訓(xùn)練方法
    4.3 防止過擬合技術(shù)
        4.3.1 Dropout技術(shù)
    4.4 基于VGG-16模型的交通標(biāo)志識(shí)別算法
        4.4.1 數(shù)據(jù)預(yù)處理
        4.4.2 VGG-16網(wǎng)絡(luò)結(jié)構(gòu)
    4.5 實(shí)驗(yàn)及分析
        4.5.1 模型訓(xùn)練參數(shù)
        4.5.2 模型訓(xùn)練過程
        4.5.3 實(shí)驗(yàn)結(jié)果
    4.6 本章小結(jié)
第五章 總結(jié)和展望
    5.1 本文總結(jié)
    5.2 展望
參考文獻(xiàn)
攻讀學(xué)位期間撰寫的專利
致謝


【參考文獻(xiàn)】：
期刊論文
[1]深度模型集成的不良圖像分類[J]. 張晨,杜剛,杜雪濤.  北京交通大學(xué)學(xué)報(bào). 2017(06)
[2]圓形交通標(biāo)志牌識(shí)別系統(tǒng)的仿生設(shè)計(jì)[J]. 吳磊,張震,程偉偉,張斌.  電子測(cè)量與儀器學(xué)報(bào). 2017(03)
[3]交通標(biāo)志檢測(cè)研究綜述[J]. 溫斯傲,李志民,郝博聞,倪鈺婷,鐘玲.  智能計(jì)算機(jī)與應(yīng)用. 2016(03)
[4]自然場(chǎng)景中道路交通標(biāo)志形狀的檢測(cè)與校正[J]. 潘銘星,孫涵.  計(jì)算機(jī)與現(xiàn)代化. 2016(02)
[5]基于維納濾波的高斯含噪圖像去噪[J]. 張東,覃鳳清,曹磊,劉書君.  宜賓學(xué)院學(xué)報(bào). 2013(12)
[6]基于顏色和形狀的道路交通標(biāo)志檢測(cè)[J]. 陳維馨,李翠華,汪哲慎.  廈門大學(xué)學(xué)報(bào)(自然科學(xué)版). 2007(05)
[7]醫(yī)學(xué)圖像處理中濾波技術(shù)的研究[J]. 蓋立平,王桂蓮,陳艷霞,丁曉東,王禮,劉鐵利.  醫(yī)療衛(wèi)生裝備. 2007(06)
[8]圖像處理中GAMMA校正的研究和實(shí)現(xiàn)[J]. 彭國(guó)福,林正浩.  電子工程師. 2006(02)
[9]基于不變矩和神經(jīng)網(wǎng)絡(luò)的交通標(biāo)志識(shí)別方法研究[J]. 王坤明,許忠仁.  計(jì)算機(jī)應(yīng)用研究. 2004(03)
[10]基于數(shù)學(xué)形態(tài)學(xué)的交通標(biāo)志自動(dòng)識(shí)別[J]. 蔣剛毅,鄭義,郁梅.  汕頭大學(xué)學(xué)報(bào)(自然科學(xué)版). 1998(01)

博士論文
[1]基于SVM的入侵檢測(cè)系統(tǒng)研究[D]. 孫鋼.北京郵電大學(xué) 2007

碩士論文
[1]交通標(biāo)志自動(dòng)檢測(cè)與識(shí)別算法研究[D]. 盧艷君.武漢科技大學(xué) 2015
[2]基于中值濾波和小波變換的圖像去噪算法研究[D]. 田流芳.河北大學(xué) 2014
[3]基于分塊核函數(shù)特征的交通標(biāo)識(shí)識(shí)別[D]. 齊朗曄.南京理工大學(xué) 2013
[4]復(fù)雜背景下交通標(biāo)志的顏色分割[D]. 張培.武漢理工大學(xué) 2012
[5]基于多特征的交通標(biāo)志圖像檢測(cè)研究[D]. 陸屾.南京理工大學(xué) 2010



本文編號(hào)：3193807