面向智能网联汽车的雨天交通标志检测与识别系统研究
发布时间:2023-03-09 19:48
近年来,随着科学技术和国民经济的迅速发展,人们的生活水平日益提高,汽车数量逐年增长,智能交通系统和高级驾驶辅助系统的研究越来越受到人们关注,无人驾驶成为主要的发展趋势。交通标志检测与识别系统是无人驾驶系统中一个重要的组成部分,通过对道路上交通标志的准确识别,将识别结果反馈给上层行车控制策略系统,车辆根据行车策略做出相应的反应,提高道路安全性,更好地辅助无人驾驶系统。因此,对交通标志检测与识别系统进行深入的研究,具有重要的理论意义和商业价值。此外,在复杂天气下,如:雨天情况下,交通标志检测与识别系统会因天气情况造成检测与识别成功率下降,而在实际生活中,雨雪天气又是不可避免的因素,因此非常具有实际应用价值。本文针对雨天情况下交通标志检测与识别问题展开研究。本文提出了一种面向智能网联汽车的雨天交通标志检测与识别算法,基于此算法设计了一种雨天交通标志检测与识别系统,通过对雨天交通标志进行预处理,基于优化自适应颜色阈值分割和形状特征检测,基于SVM支持向量机的识别分类实现了雨天交通检测与识别。本文所做的主要工作和创新点如下:(1)本文针对在现有公共数据集中没有雨天交通标志图像的问题,根据研究需要...
【文章页数】:77 页
【学位级别】:硕士
【文章目录】:
摘要
abstract
第1章 绪论
1.1 课题的研究背景及意义
1.2 交通标志简介
1.3 国内外研究现状
1.3.1 交通标志检测与识别技术国内外现状
1.3.2 图像去雨技术国内外现状
1.3.3 当前存在的主要问题
1.4 论文研究内容及结构
1.4.1 论文的主要研究内容
1.4.2 论文的章节安排
第2章 雨天交通标志图像采集及图像去雨处理
2.1 引言
2.2 图像采集平台及图像采集
2.2.1 雨天交通标志图像采集平台
2.2.2 雨天交通标志数据集的建立
2.3 雨滴的特性分析
2.3.1 雨滴的物理性质
2.3.2 雨滴的视觉特性
2.4 雨天交通标志图像去雨处理
2.4.1 雨滴检测
2.4.2 雨天交通标志图像结构纹理分离
2.4.3 图像修复
2.5 本章小结
第3章 基于优化自适应阈值和形状检测的雨天交通标志检测算法
3.1 引言
3.2 常用的颜色空间及分割算法
3.2.1 RGB颜色模型及分割算法
3.2.2 HSV颜色模型及分割算法
3.2.3 HSI颜色模型及分割算法
3.2.4 自适应颜色阈值分割
3.3 基于优化的自适应阈值分割算法
3.3.1 自适应阈值分割算法
3.3.2 基于优化的自适应阈值
3.3.3 图像对比度
3.4 基于形状特征的精细检测
3.4.1 最大稳定极值区域算法
3.4.2 基于几何特征的目标提取
3.5 实验结果与分析
3.5.1 雨天交通标志数据库实验结果
3.5.2 公共数据集实验结果
3.6 本章小结
第4章 基于支持向量机的交通标志识别
4.1 引言
4.2 候选区域特征提取
4.2.1 HOG特征
4.2.2 Gabor特征
4.2.3 特征融合
4.3 支持向量机分类
4.3.1 统计学理论简介
4.3.2 SVM支持向量机原理
4.3.3 SVM支持向量机的多分类问题
4.4 实验结果与分析
4.4.1 雨天交通标志数据集实验
4.4.2 公共数据集实验
4.5 本章小结
第5章 总结与展望
5.1 本文主要工作
5.2 对今后工作的展望
参考文献
作者简介及科研成果
致谢
本文编号:3758189
【文章页数】:77 页
【学位级别】:硕士
【文章目录】:
摘要
abstract
第1章 绪论
1.1 课题的研究背景及意义
1.2 交通标志简介
1.3 国内外研究现状
1.3.1 交通标志检测与识别技术国内外现状
1.3.2 图像去雨技术国内外现状
1.3.3 当前存在的主要问题
1.4 论文研究内容及结构
1.4.1 论文的主要研究内容
1.4.2 论文的章节安排
第2章 雨天交通标志图像采集及图像去雨处理
2.1 引言
2.2 图像采集平台及图像采集
2.2.1 雨天交通标志图像采集平台
2.2.2 雨天交通标志数据集的建立
2.3 雨滴的特性分析
2.3.1 雨滴的物理性质
2.3.2 雨滴的视觉特性
2.4 雨天交通标志图像去雨处理
2.4.1 雨滴检测
2.4.2 雨天交通标志图像结构纹理分离
2.4.3 图像修复
2.5 本章小结
第3章 基于优化自适应阈值和形状检测的雨天交通标志检测算法
3.1 引言
3.2 常用的颜色空间及分割算法
3.2.1 RGB颜色模型及分割算法
3.2.2 HSV颜色模型及分割算法
3.2.3 HSI颜色模型及分割算法
3.2.4 自适应颜色阈值分割
3.3 基于优化的自适应阈值分割算法
3.3.1 自适应阈值分割算法
3.3.2 基于优化的自适应阈值
3.3.3 图像对比度
3.4 基于形状特征的精细检测
3.4.1 最大稳定极值区域算法
3.4.2 基于几何特征的目标提取
3.5 实验结果与分析
3.5.1 雨天交通标志数据库实验结果
3.5.2 公共数据集实验结果
3.6 本章小结
第4章 基于支持向量机的交通标志识别
4.1 引言
4.2 候选区域特征提取
4.2.1 HOG特征
4.2.2 Gabor特征
4.2.3 特征融合
4.3 支持向量机分类
4.3.1 统计学理论简介
4.3.2 SVM支持向量机原理
4.3.3 SVM支持向量机的多分类问题
4.4 实验结果与分析
4.4.1 雨天交通标志数据集实验
4.4.2 公共数据集实验
4.5 本章小结
第5章 总结与展望
5.1 本文主要工作
5.2 对今后工作的展望
参考文献
作者简介及科研成果
致谢
本文编号:3758189
本文链接:https://www.wllwen.com/kejilunwen/daoluqiaoliang/3758189.html