雾霾天气下的交通标志图像识别算法研究

发布时间：2021-03-11 16:09

　　交通标志识别作为智能交通系统和无人驾驶技术的关键环节之一,识别精度直接影响智能交通系统和无人驾驶汽车的安全性和可靠性。因此,研究雾霾天气下的交通标志图像识别算法具有重要的理论价值和现实意义。结合无人驾驶项目需求,着重研究了含雾交通标志图像去雾处理和基于CNN的交通标志图像识别算法,并完成了算法的仿真实验,所做的主要工作如下:（1）针对传统暗原色估计算法对含雾交通标志图像去雾处理后出现的“halo”效应,设计了一种多尺度窗口的自适应暗原色估计算法,通过对图像进行边缘检测并根据景深边缘信息改变窗口尺寸得到自适应暗原色估计图。针对含雾交通标志图像去雾处理后明亮区域失真现象,设计了一种自适应透射率修复的图像去雾算法,通过构建大气耗散函数并根据纹理信息对大气耗散函数进行修正,进而实现透射率的自适应修复。实验结果表明,改进算法较好的解决了“halo”效应以及明亮区域失真问题,去雾效果较好。（2）针对传统识别算法对交通标志识别正确率低的问题,引入神经网络方法对交通标志进行识别。针对经典卷积神经网络VGG16要求输入图像大小固定的缺陷,结合迁移学习知识并引入空间金字塔池化对VGG16网络模型进行改进。... 

【文章来源】：长安大学陕西省 211工程院校 教育部直属院校

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

直方图均衡化去雾算法分类块重叠直方图均衡化算法的思想是：为了更好的保持图像细节信息，对部分特殊区

同态滤波器处理流程

图像降质模型

【参考文献】：
期刊论文
[1]天空识别的改进暗通道先验单幅图像去雾算法研究[J]. 谭龙江.  小型微型计算机系统. 2019(01)
[2]雾霾天气变化特征与分析[J]. 曲原,祁蕾.  时代农机. 2018(12)
[3]基于暗原色先验的雾霾天气图像清晰化算法[J]. 马啸,邵利民,徐冠雷.  计算机工程与科学. 2018(12)
[4]基于暗原色先验的Retinex去雾算法[J]. 董辉,金阔洋.  浙江工业大学学报. 2018(06)
[5]结合天空区域识别的单幅图像去雾方法[J]. 李尧羿,杜宇超,顾振飞.  计算机工程与应用. 2018(19)
[6]一种基于GMP-LeNet网络的车牌识别方法[J]. 林哲聪,张江鑫.  计算机科学. 2018(S1)
[7]基于改进梯度相似度核的交通图像去雾算法[J]. 汪贵平,宋京,杜晶晶,黄鹤,王会峰.  中国公路学报. 2018(06)
[8]基于LeNet-5改进的卷积神经网络图像识别方法[J]. 吴阳阳,彭广德,吴相飞.  信息与电脑(理论版). 2018(07)
[9]基于改进激活函数的卷积神经网络研究[J]. 曲之琳,胡晓飞.  计算机技术与发展. 2017(12)
[10]基于改进的卷积神经网络LeNet-5的车型识别方法[J]. 王秀席,王茂宁,张建伟,程鹏.  计算机应用研究. 2018(07)

博士论文
[1]海雾形成与发展机制的观测分析与数值模拟研究[D]. 郭敬天.中国海洋大学 2008

硕士论文
[1]基于迁移学习和深度卷积神经网络的车标识别方法研究[D]. 李全杰.广东工业大学 2018
[2]基于优化的VGG模型道路交通标志识别研究[D]. 谢新明.长沙理工大学 2017
[3]无人驾驶车交通标志和标线识别技术的研究[D]. 雷可.长安大学 2017
[4]基于深度属性学习的交通标志识别方法研究[D]. 王坚.北京交通大学 2017
[5]一种基于模板匹配的交通标志识别方法[D]. 王洋.吉林大学 2013
[6]单幅图像去雾处理算法研究及软件实现[D]. 钟仡龙.西南交通大学 2012
[7]单幅雾天降质图像复原方法研究[D]. 王勇.合肥工业大学 2010
[8]基于DSP的雾天监控视频图像清晰化处理方法研究[D]. 季娜.大连海事大学 2009
[9]大雾天气下图像的清晰化方法[D]. 贾明桥.西安理工大学 2006



本文编号：3076717