导读:本文包含了交通标志定位论文开题报告文献综述及选题提纲参考文献，主要关键词:交通标志检测,小波变换的多尺度图像,灰度级处理,霍夫变换
交通标志定位论文文献综述
凌翔,王昔鹏,赖锟[1]（2017）在《基于小波低频分量的交通标志定位算法研究》一文中研究指出交通标志检测是交通标志识别系统的关键技术之一,常规的基于颜色空间的检测算法一般是在较简单场景下进行的,其效率较低。为能在复杂场景下快速准确的定位出交通标志,文章提出了一种基于小波低频分量的交通标志检测方法。首先,对采集的RGB图像中叁个分量分别进行自适应对比度增强,取其叁个分量中最大值作为灰度图像的灰度值,然后利用小波变换对其灰度图像进行分解,对分解得到的低频分量采用Lo G算子进行边缘检测;接着对边缘图像进行灰度形态学和二值化处理,最后,利用改进的霍夫变换对圆形和叁角形交通标志进行分割和检测。通过对复杂环境下采集的大量交通标志图像进行测试,结果表明:文中设计的算法具有较强的实时性和鲁棒性。(本文来源于《西部交通科技》期刊2017年12期）
魏艳艳[2]（2016）在《基于HSI彩色空间的交通标志定位和分割算法研究》一文中研究指出为了能够实现对交通标志的有效识别,本文提出了一种基于HSI彩色空间的二次图像定位算法。首先对图像进行行、列扫描,缩小背景在图像中所占的比例,紧接着对行、列扫描结果图像进行二次图像定位。实验结果显示,这种改进的图像定位算法,相比以往的图像定位算法,图像定位精度明显提高,可以为下一步图像的识别奠定良好的基础。(本文来源于《科技展望》期刊2016年09期）
焦再强,吕玉祥,马维青,赵晓龙,李孟春[3]（2015）在《基于ASIFT道路交通标志的定位与识别方法》一文中研究指出针对智能交通系统中的交通标志识别,提出了一种基于ASIFT(仿射尺度不变特征变换)算法的定位与识别方法。首先,分类道路交通标志并提取模板;然后,采用ASIFT算法选择目标图像对应的模板和交通标志集合;其次,根据匹配模板ASIFT特征点的几何分布,定位交通标志的目标区域;最后,计算目标区域和交通标志集合的特征向量欧氏距离。基于ASIFT算法,达到了准确的定位与识别效果。通过实验,验证了该方法的可行性。(本文来源于《电子器件》期刊2015年03期）
郭胜[4]（2015）在《基于信号分解表示的交通标志定位与识别算法研究》一文中研究指出随着社会的快速进步和经济的高速发展,一、二线城市的机动车数量成爆炸性逐年增长,从而不可避免地产生了包括交通拥堵等负面影响,驾驶员如何安全地驾驶也引起了普遍关注,智能交通应运而生。而在智能交通系统所涉及的许多计算机视觉(Computer vision)技术领域当中,交通标志的定位与识别又是极其重要的组成部分。交通标志的定位与识别系统目的是在机动车行驶过程中,快速地搜索交通标志然后正确地获取交通标志携带的主要信息。因为该领域具相当高的实用价值,即提高了驾驶的安全性,因此,多年来一直是学者们一个重要的研究课题。在阅读了大量相关论文和其他领域参考文献后,本文将新的算法应用于交通标志的定位与识别系统。本文的创新点包括：(1)增加定位阶段的自适应性,可以在大部分不同天气条件下正确定位；(2)基于稀疏分解表示算法,设计训练了级联形式的字典,并基于该字典实现对交通标志的稀疏分解,通过分解系数完成交通标志的识别；(3)将非负矩阵分解的改进形式用于图像分类。每次迭代时保持字典W不更新,只更新系数矩阵H,相比稀疏表示算法增加了各部分的物理意义。本文通过对实际拍摄的包含交通标志的图像进行标志的定位,另外使用德国交通标志(GTSRB)提供的40余种标志库进行训练和识别测试,并且与已有算法各性能和特点相比较,结果表明本论文提出的基于稀疏表示和非负矩阵分解的两种创新方法,平衡了实时性和识别率,同时对于光照,旋转和遮挡的鲁棒性有一定的提升。(本文来源于《大连理工大学》期刊2015-05-05）
张静[5]（2013）在《全景视觉中交通标志的自动定位方法研究》一文中研究指出随着汽车工业的发展和人们生活水平的提高，人均汽车拥有率逐渐提高，车流量不断增大，导致交通事故频发。如果能在驾驶过程中及时检测交通标志并将标志上的信息反馈给驾驶员，则可以在一定程度上对驾驶员起到提示和警示作用，减少交通事故的发生。因此，交通标志的实时定位非常重要，而定位的关键是交通标志的自动检测和跟踪。全景视觉模拟了视点所在位置周围360度的场景信息，包含的信息量远远大于单幅图像，且利用全景视觉在进行交通标志跟踪时，无需担心交通元素会位于图像之外。在基于全景视觉的交通标志自动定位方法研究方面，本文的工作包括以下几点：1)针对交通标志的颜色、形状等特征，对几种常用的交通标志检测算法进行了研究，鉴于Haar特征具有简单、快速的特点，将其应用于交通标志的检测、分类中，用于训练交通标志的检测分类器。2)针对Mean-Shift算法存在的缺点，对传统的Mean-Shift算法进行改进，将不变矩应用到Mean-Shift跟踪算法中，以实现交通标志的跟踪。3)基于全景视觉构造时各摄像机之间的关系，设计一种在多摄像机间进行目标跟踪的方案，以实现全景视觉中交通标志的自动、连续跟踪。根据交通标志在各图像之间的位置，进而实现其全景视觉中的快速定位。(本文来源于《合肥工业大学》期刊2013-04-01）
王肖,李华,章永进,徐友春,李伟[6]（2010）在《基于HSV颜色空间的交通标志的定位与分类方法研究》一文中研究指出在研究交通标志识别中,为克服RGB图像受光照强度影响较大的因素,研究将图像转换到HSV色彩空间进行识别。以颜色特征为依据完成初步定位,依据形状特征实现精确定位,定位准确率较高。并以"智能车未来挑战"比赛为应用背景,设计了一套依据颜色和形状差异的分类方法,实现标志的二次分类,有利于区别单个标志的算法的设计,也会提升识别的精度。(本文来源于《2010中国汽车工程学会年会论文集》期刊2010-07-15）
胡兴[7]（2010）在《交通标志定位和识别算法研究》一文中研究指出随着无人驾驶技术和辅助驾驶技术研究的不断深入,交通标志自动定位和识别技术也成为人们研究的一个热点。交通标志自动定位和识别算法需要实时而且能够精确的定位、并识别出交通标志,所以算法对鲁棒性、准确性、实时性要求很高。本论文第叁章论述了交通标志定位算法,算法的原理是结合基于色彩空间的交通标志粗定位和基于区域形状精确定位,从而定位出交通标志。常用的粗定位的方法是基于RGB色彩空间的交通标志粗定位,但并不能很好解决光线变化以及颜色失真带来的问题。本文针对标志定位的实时性、鲁棒性、准确性设计了两种算法分别是:(1)基于L*a*b色彩空间的聚类分割最早是应用于医学图像分割,本论文首次将其应用在交通标志图像分割上面,取得了很好的效果,算法分割准确率高,提取的交通标志完整,而且对于环境中光线变化以及交通标志颜色失真具有很强的鲁棒性。但聚类分割需要的时间较长。实验证明这种算法鲁棒性、准确性很高,但实时性相对较低。(2)基于YCbCr色彩空间的交通标志的粗定位,也是本论文独创的一种高效率的定位方法。利用YCbCr色彩空间的在图像分割上的优点,结合交通标志自身的颜色特点,能够快速、准确的分割出交通标志区域,算法简单可行、准确率高、计算量小,而且对光线变以及交通标志颜色失真等因素具有很强的鲁棒性。实验证明这种算法鲁棒性、准确性比普通方法要出很多,稍低于基于L*a*b*的方法,但实时性很高,满足作为交通标志定位识别算法的要求。基于区域形状的交通标志精确定位是对粗定位后的图像中保留的区域进行形状分析,利用圆形、叁角形、矩形的几何特征,找出图像圆形区域、矩形区域、叁角形区域,从而定位出待识别交通标志,并将其裁剪出来,提取特征,接着进行下一步交通标志识别。交通标志识别论述了两种方法,第一种基于相关系数的zernike矩特征匹配,计算待识别交通标志的zernike矩,组成特征向量,再计算与各个标志模板之间zernike矩特征向量相应的相关系数,从而识别出交通标志。这种识别算法的优点是算法简单,不需要大量训练样本,当待识别样本质量较好时,识别率较高。不足之处是,当库中用于比较的模板过多时,实时性较低;当待识别样本质量较差时,识别准确率不高。第二种方法是基于BP神经网络的识别。待识别交通标志经过预处理和标准化后,以图像的像素作为特征,输入预先训练好的神经网络中进行识别。本文使用200幅交通标志作为训练样本对BP神经网络进行训练。训练好的神经网络具有较高的准确性、实时性。上面使用的方法是使用整个交通标志作为识别对象,而当识别的面积越大,所包含的干扰信息也就越多,准确率也就会下降。考虑了交通标志的构造上的特点,本文作了改进,提取交通标志外框里面的图像(也称为内部图像),通过识别内部图像来识别交通标志。这里以200幅交通标志内部图像作为BP神经网络网络的训练样本,训练好BP网络。待识别标志同样也提取内部图像,重组像素特征以后输入BP神经网络进行识别。当提取的待识别交通标志图像质量较好时,相对于BP神经网络准确率更高。(本文来源于《广西师范大学》期刊2010-04-01）
肖学钢[8]（2008）在《序列图像中交通标志定位检测技术研究》一文中研究指出交通标志自动检测系统是现代智能交通管理的一个重要组成部分,具有极大的研究价值。本文从交通标志的颜色信息和形状特征出发,对交通标志的定位方面进行了以下研究。首先,提出了多通道融合的交通标志定位方法。该方法首先对HIS通道中的饱和度分量进行阈值分割,粗略地提取出交通标志区域,抑制光照水平的影响;再利用RGB通道中叁颜色分量的相关性来解决阈值分割所造成的信息缺失问题。利用序列图像的前后相关性,在前一帧定位的基础上,对交通标志位置做出预估计。实验表明:多通道融合的方法能够快速、有效地从视频序列图像中定位出交通标志。其次,通过对交通标志形状特征进行分析,提出了在水平、垂直投影的基础上,利用基于曲线拟合的最小二乘法来判断交通标志具体形状的方法。实验表明利用该方法不仅能够获得交通标志的形状和内部图案、字符信息,还可以有效地抑制噪声的干扰。最后,利用信息熵具有平移、缩放、旋转不变的特性,构建了基于熵矢量的检测置信度评价函数。并结合序列图像中交通标志的位置分布规律对该标准做出了修正。实验表明利用该方法能有效地从检测结果中排除一些在颜色、形状特征上与交通标志相类似的干扰物体。(本文来源于《中南大学》期刊2008-06-30）
初秀民,严新平,毛喆,章先阵[9]（2006）在《高速公路场景图像的二值化及交通标志定位检测方法》一文中研究指出采用CCD摄像机采集高速公路场景图像,并通过图像颜色空间变换,将图像的RGB量值转换为色度-饱和度-亮度(HSV)量值。采用基于阈值的方法对场景图像中颜色饱和度分量进行二值化分割处理;利用场景二值化图像形状特征(周长、形状参数、圆形性参数)去除非目标区域,并通过搜索场景二值化图像方向投影值序列的突变点实现标志准确定位。采用HSV颜色模型中的亮度分量和最佳阈值法对场景图像中标志区域进行二值化处理。结果表明,应用上述方法能取得良好的效果。(本文来源于《中国公路学报》期刊2006年06期）
交通标志定位论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为了能够实现对交通标志的有效识别,本文提出了一种基于HSI彩色空间的二次图像定位算法。首先对图像进行行、列扫描,缩小背景在图像中所占的比例,紧接着对行、列扫描结果图像进行二次图像定位。实验结果显示,这种改进的图像定位算法,相比以往的图像定位算法,图像定位精度明显提高,可以为下一步图像的识别奠定良好的基础。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
交通标志定位论文参考文献
[1].凌翔,王昔鹏,赖锟.基于小波低频分量的交通标志定位算法研究[J].西部交通科技.2017
[2].魏艳艳.基于HSI彩色空间的交通标志定位和分割算法研究[J].科技展望.2016
[3].焦再强,吕玉祥,马维青,赵晓龙,李孟春.基于ASIFT道路交通标志的定位与识别方法[J].电子器件.2015
[4].郭胜.基于信号分解表示的交通标志定位与识别算法研究[D].大连理工大学.2015
[5].张静.全景视觉中交通标志的自动定位方法研究[D].合肥工业大学.2013
[6].王肖,李华,章永进,徐友春,李伟.基于HSV颜色空间的交通标志的定位与分类方法研究[C].2010中国汽车工程学会年会论文集.2010
[7].胡兴.交通标志定位和识别算法研究[D].广西师范大学.2010
[8].肖学钢.序列图像中交通标志定位检测技术研究[D].中南大学.2008
[9].初秀民,严新平,毛喆,章先阵.高速公路场景图像的二值化及交通标志定位检测方法[J].中国公路学报.2006
标签：交通标志检测; 小波变换的多尺度图像; 灰度级处理; 霍夫变换;