2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩87頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、交通標志識別作為智能交通系統(tǒng)的一個重要研究領域已得到很大的發(fā)展,對人們日常行車安全將提供極大的幫助,因此交通標志識別系統(tǒng)的研究具有重要的意義。由于高速公路上的行車速度快,導致汽車的操縱性和穩(wěn)定性下降。另外,高速行車影響駕駛員對距離的判斷以及造成習慣性疲勞。因此,本文選取高速公路這一生活場景,著眼于系統(tǒng)準確性和實時性。
  交通標志識別系統(tǒng)主要包括圖像獲取、圖像檢測和圖像識別三個部分。針對高速公路環(huán)境特點,為克服噪聲對圖像的影響,本

2、文首先研究了圖像均衡化、圖像銳化和Gamma矯正三種增強方法,通過實驗對比了幾種濾波效果,確定采用中值濾波方法降低高速公路環(huán)境下所采集圖像的噪音影響。
  深入分析了HSV顏色空間不同彩色區(qū)域特性,提出一種改進的顏色閾值分割算法,實驗表明改進的算法具有良好的分割效果。再使用多特征條件,即可將目標區(qū)域從圖像中分割出來。
  對分割出來的區(qū)域進行一系列的形態(tài)學操作,包括二值圖像膨脹、平滑、腐蝕、邊緣細化等,可以使得目標區(qū)域更有利

3、后續(xù)形狀分析,然后采用基于標記的方法識別已分割出來的形狀。
  通過分析交通標志的顏色特征和形狀特征,在形態(tài)學的基礎上提取出限速標志、合流警告標志、向右急轉彎標志等十類圖像的Zernike矩特征作為識別依據;基于模式識別的基本理論,建立了相應訓練及測試樣本庫,為了增強網絡的泛化能力,訓練樣本中添加了人為變化角度的干擾樣本;
  設計了三層結構的BP神經網絡識別模型,本文在實驗的基礎上,分析了傳統(tǒng)BP神經網絡訓練誤差精度不高、

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論