摘要
第一章 绪论
1.1 研究背景及意义
1.2 研究难点
1.3 国内外研究现状及分析
1.3.1 交通标志检测的研究现状
1.3.2 交通标志判别的研究现状
1.4 本文主要研究内容及章节安排
1.4.1 研究任务及主要研究内容
1.4.2 论文章节安排
1.5 本章小结
第二章 深度学习理论与模型
2.1 概述
2.2 深度学习理论
2.2.1 传统的机器学习与深度学习
2.2.2 视觉机理与深度学习原理
2.3 深度学习的常用方法
2.3.1 稀疏编码SC(Spares Coding)
2.3.2 受限波尔兹曼机RBM(Restricted Boltzmann Machine)
2.3.3 深度置信网络DBN(Deep Belief Networks)
2.3.4 卷积神经网络CNN(Convolutional Neural Networks)
2.4 深度学习的应用及面临的问题
2.4.1 深度学习的应用
2.4.2 深度学习面I隘的问题
2.5 本章小结
第三章 基于颜色和形状的禁令交通标志检测
3.1 国内交通标志常识
3.2 禁令标志图像的颜色分割
3.2.1 颜色模型介绍
3.2.2 彩色图像光照均衡化处理
3.2.3 基于改进的RGB颜色模型的颜色分割
3.3 确定感兴趣区域(ROI)
3.3.1 二值膨胀与腐蚀处理
3.3.2 开启与闭合运算
3.3.3 区域填充与面积过滤
3.4 禁令交通标志的形状检测
3.4.1 连通区域标注及区域参数提取
3.4.2 圆形度检测法的改进及其应用
3.4.3 基于特征参数的正三角形检测法的改进及应用
3.4.4 检测结果及分析
3.5 本章小结
第四章 基于深度学习模型MPCNN的禁令交通标志判别
4.1 交通标志样本数据集的获取
4.2 经典的CNN结构LeNet-5
4.3 改进的CNN结构—MPCNN
4.3.1 MPCNN的特点
4.3.2 MPCNN的结构
4.3.3 MPCNN的训练方法
4.3.4 基于MPCNN的禁令交通标志判别过程
4.3.5 禁令交通标志判别结果
4.4 本章小结
第五章 禁令交通标志识别系统的设计与实现
5.1 禁令交通标志识别系统的设计
5.1.1 禁令交通标志识别系统的功能简介
5.1.2 禁令交通标志识别系统框架
5.2 禁令交通标志识别实验与演示系统
5.2.1 软件和硬件环境
5.2.2 禁令交通标志识别系统界面及运行结果
5.3 本章小结
总结与展望
参考文献
攻读学位期间发表的论文
声明
致谢