声明
1 绪 论
1.1 研究背景及意义
1.2. 图像去雾研究现状
1.2.1 基于图像增强的去雾算法
1.2.2 基于大气散射模型的去雾算法
1.3 交通标志检测与识别研究现状
1.3.1 交通标志检测的现状
1.3.2 交通标志识别研究现状
1.4 本文的主要研究内容
1.5 论文结构安排
2 相关理论基础
2.1 卷积神经网络
2.1.1 卷积层
2.1.2 池化层
2.1.3 全连接层
2.1.4 其他
2.2方向梯度直方图算法HOG +支持向量机SVM
2.2.1 支持向量机SVM
2.2.2 方向梯度直方图算法HOG
2.3 本章小结
3 基于特征复用的图像去雾算法
3.1 引言
3.2 大气散射模型
3.2.1 雾图的光学模型
3.2.2 雾图成像模型
3.3 暗通道先验算法
3.4 特征复用单元FR-unit
3.4.1 传统的卷积操作
3.4.2 特征复用的卷积操作
3.5 改进后的去雾算法
3.5.1 数据集
3.4.2 评价标准
3.4.3 FRhazy_net
3.5 实验结果及分析
3.6 本章小结
4 基于自适应仿射变换的交通标志识别
4.1 引言
4.2 自适应仿射变换
4.2.1 仿射变换
4.2.2 双线性插值
4.2.3 自适应仿射变换网络
4.3 加入自适应仿射变换的卷积分类模型
4.4 自适应仿射变换网络的可行性实验结果与分析
4.4.1 比利时交通标志数据集
4.4.2 评价标准
4.4.3 有效性对比
4.4.4 需求对比
4.5 加入自适应仿射变换网络的ST_VGG
4.5.1 GTSRB数据集
4.5.2 传统的VGG_net
4.5.3 加入了自适应仿射变换网络的VGG
4.5.4 实验结果及分析
4.6 本章小结
5 工作总结与展望
5.1 工作总结
5.2 工作展望
参考文献
攻读硕士学位期间发表的论文及所取得的研究成果
致谢