本文關(guān)鍵詞：基于圖論的交通標(biāo)志檢測(cè)研究

  更多相關(guān)文章： 交通標(biāo)志檢測(cè) 圖論 流行排序 支持向量機(jī)

【摘要】：交通標(biāo)志檢測(cè)是智能交通領(lǐng)域的一個(gè)重要分支,也是自動(dòng)駕駛和輔助駕駛技術(shù)的一個(gè)重要模塊。隨著城市化進(jìn)程的加快,道路擁擠問(wèn)題日益加劇,現(xiàn)如今交通標(biāo)志檢測(cè)更成為國(guó)內(nèi)外研究的熱點(diǎn)之一。如何提高交通標(biāo)志檢測(cè)系統(tǒng)在室外復(fù)雜環(huán)境下的檢測(cè)能力是智能交通系統(tǒng)實(shí)用化的關(guān)鍵。本文正是圍繞著交通標(biāo)志檢測(cè)這一技術(shù)進(jìn)行研究,提出了一種基于圖論的交通標(biāo)志檢測(cè)方法。 現(xiàn)存在的交通標(biāo)志檢測(cè)系統(tǒng)主要利用形狀和顏色信息,這些方法在復(fù)雜場(chǎng)景中仍存在局限性,如天氣狀況導(dǎo)致交通標(biāo)志顏色的改變,交通路標(biāo)不完整或被遮擋都可能導(dǎo)致檢測(cè)率下降。如何有效提高復(fù)雜背景下交通標(biāo)志的檢測(cè)率和準(zhǔn)確率即是本文研究的關(guān)鍵所在。具體工作如下： 1.在分析國(guó)內(nèi)外現(xiàn)有交通標(biāo)志檢測(cè)算法的基礎(chǔ)上提出了一種基于圖論的交通標(biāo)志檢測(cè)算法,該算法通過(guò)檢測(cè)顯著性區(qū)域作為交通標(biāo)志候選區(qū),利用圖論的知識(shí)對(duì)候選區(qū)內(nèi)的節(jié)點(diǎn)進(jìn)行排序最終生成待處理灰度圖。 2.本文改進(jìn)了一種基于圖論的排序算法,該算法是在流行排序的基礎(chǔ)上融合了顏色,顯著性以及節(jié)點(diǎn)的上下文關(guān)系等信息,在處理復(fù)雜背景下由于模糊,光照,旋轉(zhuǎn),以及尺度變換等引起的問(wèn)題時(shí)具有良好的辨識(shí)度和魯棒性。 3.提出了一種多閾值分割算法,通過(guò)多閾值分割階段有效地解決復(fù)雜背景下模糊,光照,及背景與交通標(biāo)志融合等問(wèn)題。 4.設(shè)計(jì)了基于形狀判別的交通標(biāo)志切割及融合方法,通過(guò)判斷多閾值分割階段得到的區(qū)域塊形狀,從而排除特定形狀下的干擾區(qū)域。通過(guò)切割階段可以將兩個(gè)連接的交通標(biāo)志區(qū)域分開(kāi)。而融合階段可以將由于遮擋等問(wèn)題分離開(kāi)的交通標(biāo)志進(jìn)行融合。最終準(zhǔn)確地分割出交通標(biāo)志候選區(qū)。 5.在研究現(xiàn)有分類(lèi)算法的基礎(chǔ)上,從算法和理論的實(shí)現(xiàn)角度重點(diǎn)考察研究了SVM(Support Vector Machine)的強(qiáng)大分類(lèi)能力,以及SVM在交通標(biāo)志檢測(cè)分類(lèi)方面的應(yīng)用。以HOG(Histogram of Oriented Gradient)特征作為輸入特征,通過(guò)對(duì)比試驗(yàn),驗(yàn)證了算法的可行性,證明本文提出的基于圖論的交通標(biāo)志檢測(cè)算法,對(duì)交通標(biāo)志的光照、旋轉(zhuǎn)和尺度變化具有較強(qiáng)的魯棒性。
【關(guān)鍵詞】：交通標(biāo)志檢測(cè) 圖論 流行排序 支持向量機(jī)
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：O157.5;TP18
【目錄】：

• 致謝5-6
• 摘要6-7
• ABSTRACT7-9
• 序言9-12
• 1 引言12-19
• 1.1 論文研究的背景及意義12-13
• 1.2 交通標(biāo)志檢測(cè)的研究現(xiàn)狀13-16
• 1.3 復(fù)雜背景下交通標(biāo)志檢測(cè)的難點(diǎn)16
• 1.4 本文主要內(nèi)容和安排16-19
• 1.4.1 主要研究?jī)?nèi)容17
• 1.4.2 論文各章安排17-19
• 2 基于圖論的區(qū)域檢測(cè)19-26
• 2.1 圖論的基礎(chǔ)研究19-21
• 2.1.1 圖的定義19-20
• 2.1.2 有向圖和無(wú)向圖20-21
• 2.1.3 圖的邊和結(jié)點(diǎn)關(guān)系21
• 2.1.4 有權(quán)圖21
• 2.2 圖的矩陣表示21-23
• 2.2.1 關(guān)聯(lián)矩陣22
• 2.2.2 鄰接矩陣22-23
• 2.3 基于圖論的圖像處理技術(shù)的優(yōu)勢(shì)23-24
• 2.4 基于圖論的顯著性區(qū)域檢測(cè)24-25
• 2.5 本章小結(jié)25-26
• 3 基于圖論的交通標(biāo)志檢測(cè)系統(tǒng)26-44
• 3.1 直方圖均衡化26-28
• 3.2 圖論定義28-30
• 3.3 交通標(biāo)志顯著性區(qū)域30-31
• 3.4 基于指定顏色及顯著性的排序算法31-36
• 3.5 交通標(biāo)志區(qū)域分割36-43
• 3.5.1 多閾值分割36-39
• 3.5.2 基于形狀的區(qū)域融合和切割39-43
• 3.6 本章小結(jié)43-44
• 4 基于方向梯度直方圖和SVM結(jié)合的交通標(biāo)志識(shí)別44-56
• 4.1 統(tǒng)計(jì)學(xué)習(xí)理論和支持向量機(jī)44-50
• 4.1.1 統(tǒng)計(jì)學(xué)習(xí)理論44-46
• 4.1.2 支持向量機(jī)46-50
• 4.2 HOG特征簡(jiǎn)介50-54
• 4.2.1 HOG主要思想及優(yōu)點(diǎn)50-51
• 4.2.2 HOG特征提取算法的實(shí)現(xiàn)過(guò)程51-54
• 4.3 HOG+SVM分類(lèi)器54-55
• 4.4 本章小結(jié)55-56
• 5 實(shí)驗(yàn)結(jié)論56-65
• 5.156-64
• 5.1.1 實(shí)驗(yàn)數(shù)據(jù)庫(kù)56-58
• 5.1.2 參數(shù)設(shè)定58-59
• 5.1.3 交通標(biāo)志檢測(cè)實(shí)驗(yàn)59
• 5.1.4 與現(xiàn)有先進(jìn)的交通標(biāo)志檢測(cè)算法比較59-61
• 5.1.5 檢測(cè)結(jié)果61
• 5.1.6 識(shí)別結(jié)果61-62
• 5.1.7 處理時(shí)間62
• 5.1.8 實(shí)驗(yàn)結(jié)論62-64
• 5.2 本章小結(jié)64-65
• 6 結(jié)論與展望65-68
• 6.1 工作總結(jié)65-66
• 6.2 展望66-68
• 參考文獻(xiàn)68-72
• 作者簡(jiǎn)歷72-74
• 學(xué)位論文數(shù)據(jù)集74

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前8條

1 孫光民;王晶;于光宇;李罡;許磊;;自然背景中交通標(biāo)志的檢測(cè)與識(shí)別[J];北京工業(yè)大學(xué)學(xué)報(bào);2010年10期

2 丁世飛;齊丙娟;譚紅艷;;支持向量機(jī)理論與算法研究綜述[J];電子科技大學(xué)學(xué)報(bào);2011年01期

3 鄭芳平;王偉智;;基于小波變換和RBF神經(jīng)網(wǎng)絡(luò)的交通標(biāo)志識(shí)別[J];福州大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年03期

4 李倫波;馬廣富;;自然場(chǎng)景下交通標(biāo)志檢測(cè)與分類(lèi)算法研究[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào);2009年11期

5 孫忠貴,王玲;數(shù)字圖像直方圖均衡化的自適應(yīng)校正研究[J];計(jì)算機(jī)時(shí)代;2004年11期

6 李新;禹翼;;基于SIFT算法的交通標(biāo)志識(shí)別[J];制造業(yè)自動(dòng)化;2012年05期

7 王楠;劉威;陳雪;袁淮;劉積仁;;基于多線(xiàn)索混合的交通標(biāo)志檢測(cè)與跟蹤[J];控制與決策;2010年08期

8 張夏宜;劉富強(qiáng);李志鵬;;車(chē)載視覺(jué)導(dǎo)航系統(tǒng)中的交通標(biāo)志識(shí)別技術(shù)[J];上海汽車(chē);2009年01期

，

本文編號(hào)：819243