交通標志識別目前是無人駕駛和汽車輔助系統(tǒng)的研究熱點。高質(zhì)量的交通標志識別可以為駕駛員或者無人車實時、準確地提供交通路況、交通規(guī)則等信息,輔助駕駛決策,從而提高行車安全,減少或者避免交通事故的發(fā)生。因此交通標志識別是一項非常值得研究而又有挑戰(zhàn)的課題。本文采用長沙理工大學(xué)綜合交通運輸大數(shù)據(jù)智能處理實驗室所提供的中國交通數(shù)據(jù)集進行基于支持向量機的識別,首先對原始圖像進行預(yù)處理:選擇SNN算法對其進行濾波處理;再采用改進后的MSRCR算法對圖像進行增強,在增加圖像對比度的同時,保持了交通標志顏色的恒常性。其次,通過對交通標志外形特點和顏色特征的研究,選擇在RGB顏色空間下,根據(jù)R、G、B的差值范圍直接對自然場景中的圖像進行分割處理,但分割后的圖像中存在過多的干擾,將圖像灰度化后,采用最大類間方差法和經(jīng)驗閾值相結(jié)合的方法對分割后的區(qū)域進行篩選,定位出交通標志。最后,在交通標志識別階段,首先將分割出的交通標志進行尺寸歸一化,其次本文采用SVM對交通標志進行多分類識別,由于交通標志種類的多樣性和顏色形狀之間的相關(guān)性,因此識別過程分為兩步:基于顏色-形狀的粗分類和基于內(nèi)部區(qū)域的細分類。在粗分類中根據(jù)顏...

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外交通標志識別現(xiàn)狀
        1.2.1 交通標志檢測方法
        1.2.2 交通標志識別方法
    1.3 本文的主要內(nèi)容和章節(jié)安排
第二章 交通標志預(yù)處理
    2.1 交通標志理論知識
    2.2 基本去噪處理
    2.3 圖像增強
        2.3.1 直方圖均衡化
        2.3.2 Retinex圖像增強
        2.3.3 改進的圖像增強
    2.4 本章小結(jié)
第三章 交通標志檢測
    3.1 顏色模型分析
    3.2 交通標志顏色分割算法
    3.3 二值面積閾值算法
        3.3.1 圖像灰度化
        3.3.2 圖像二值化
        3.3.3 面積閾值法
    3.4 交通標志的定位
    3.5 本章小結(jié)
第四章 特征值的提取
    4.1 支持向量機介紹
        4.1.1 線性與非線性最優(yōu)超平面
        4.1.2 核函數(shù)及其參數(shù)
        4.1.3 支持向量機的分類方法
    4.2 尺寸歸一化
    4.3 特征值的獲取
        4.3.1 基于顏色的特征值
        4.3.2 基于形狀的特征值
        4.3.3 基于區(qū)域的特征值
    4.4 本章小結(jié)
第五章 基于SVM的交通標志識別
    5.1 系統(tǒng)功能簡介
    5.2 實驗環(huán)境及樣本庫介紹
    5.3 基于顏色-形狀的粗分類
        5.3.1 原始特征值測試
        5.3.2 實景圖應(yīng)用
    5.4 基于內(nèi)部區(qū)域的細分類
        5.4.1 特征訓(xùn)練
        5.4.2 與仿射不變矩的組合
    5.5 本章小結(jié)
總結(jié)與展望
參考文獻
攻讀學(xué)位期間取得的研究成果
致謝



本文編號：3844054