谈述交通标志基于特点交通标志图像识别运用中国

论文导读：
摘要：智能交通体系通过人与车、车与车、车与路、车与传感器等设备之间的信息共享,使得人、车、路三者之间的联系更加和谐,因而各国的探讨工作也相继展开并得从迅速进展。而作为智能交通体系重要组成部分的交通标志识别体系也得到了相应的重视与进展,该体系可从帮助驾驶员判断路面交通情况,以而有效增多行车安全性,所从,对它的探讨具存在重要的论述作用和实用价值。本论文基于图像处理技术,针对交通标志的检测和识别技术进行了从下探讨：(1)基于交通标志的颜色信息,将自然条件下的交通标志图像转换到RGB、HSV和SVF颜色模型空间进行颜色分割,并通过实验比较分析了三种模型下的分割结果；实验结果表明,三种分割算法中SVF算法分割效果最好,使用颜色特点能排除大部分干扰背景,同时得到了包含目标区域在内的候选区域。(2)在颜色分割的基础上应用二值化分割算法进一步分离图像背景与候选目标区域,对二值化图像进行消噪、平滑处理,使用数学形态学对候选区域进行了填充并得到完整的候选区域,通过面积阈值排除了大部分的非目标候选区域,而后基于连通区域法获取外接矩形,并提取自然场景下的交通标志。分析了我国现有常用交通志的形状属性特点,并将交通标志形状属性的约束条件作为交通标志初步分类的依据。(3)分析了特点选择与提取论述,探讨了Hu距与zernike距的旋转、缩放、平移不变性,选用Hu距和zernike距为交通标志图像的识别特点,而后通过计算提取了交通标志样本的Hu不变距和Zernike不变距特点值,并对特点数据进行了归一化处理。鉴于交通标志属于小样本不足,基于统计学与VC维论述及设计原则,基于SVM设计了分类器,并对分类器中的参数(C,g)进行了寻优处理,从期获得最优的分类结果。最后,基于文中设计的分类器,完成了预测模型的训练和待分类标志的识别实验,并对实验结果进行了分析。基于前文的探讨和分析,设计了算法实现框图,使用模块化结构思想设计了交通标志识别体系及相应的工作界面,并通过实验验证了体系的可行性。关键词：交通标志识别论文图像特点提取论文不变矩论文支持向量机论文
本论文由www.7ctime.com,需要可从关系人员哦。摘要4-5
ABSTRACT5-7
目录7-10
CONTENTS10-13
第一章 绪论13-20

1.1 探讨背景及作用13-14

1.2 探讨近况及相关技术14-18

1.2.1 国内外探讨近况14-15

1.2.2 交通标志检测技术15-17

1.2.3 交通标志识别技术17-18

1.3 探讨难点18-19

1.4 课题来源和本论文主要的探讨内容19-20

第二章 基于颜色特点实现交通标志的分割20-30

2.1 彩色空间模型分析及颜色分割20-24

2.

1.1 RGB空间模型分析20-21

2.

1.2 HSV颜色空间模型21-23

2.

1.3 简单向量滤波器SVF23-24

2.2 实验结果与对比24-29

2.3 本章小结29-30

第三章 基于形状属性的实现交通标志提取与分类30-42

3.1 图像二值化31

3.2 中值滤波31-33

3.3 数学形态学处理33-35

3.4 目标区域获取35-36

3.5 基于形状特点的交通标志的初步识别与分类36-41

3.5.1 形状特点分析36-37

3.5.2 形状特点属性分析及计算37-39

3.5.3 提取与分类示例39-41

3.6 本章小结41-42

第四章 基于SVM的交通标志的理解分类42-59

4.1 引言42

4.2 特点选择与提取42-46

4.

2.1 Hu不变矩43-44

4.

2.2 Zernike不变矩44-46

4.3 统计学论述与支持向量机46-50
4.

3.1 VC维与结构风险最小化46-47

4.

3.2 支持向量机47-50

4.4 基于SVM的交通标志分类50-58

4.1 分类流程图50

4.2 实验数据准备50-51

4.3 分类特点的提取与分析51-56

4.4 分类器的训练与优化56-57

4.5 基于SVM的分类实验结果与分析57-58

4.5 本章小结58-59

第五章 交通标志识别体系的设计与实现59-63

5.1 体系是设计介绍59-61

5.2 体系运转示例61-62

5.3 本章小结62-63

总结与展望63-65
参考文献65-69
攻读学位期间发表的论文69-71
致谢71