基于神经网络的交通标志识别方法的研究.doc

  • 需要金币1000 个金币
  • 资料包括:完整论文,开题报告,任务书
  • 转换比率:金钱 X 10=金币数量, 即1元=10金币
  • 论文格式:Word格式(*.doc)
  • 更新时间:2017-01-13
  • 论文字数:11697
  • 当前位置论文阅览室 > 论文范例 > 本科论文 >
  • 课题来源:(晓萱)提供原创文章

支付并下载

摘要:在未来车辆上,如何快速识别道路上的交通标志已成为一个热点的研究课题。神经网络应用于图像识别领域中,它能快速有效地识别交通标志。本文主要分为三部分,第一部分是图像预处理,第二部分为图像的特征提取技术,第三部分为BP神经网络与小波神经网络算法的设计与分析。

首先,在道路上采集交通标志图像对其进行边缘检测、图像灰度处理及特征提取,初步选择BP神经网络,由于BP模型采用梯度下降法,导致收敛速度慢,之后又采用对小波分析来实现图像边缘的特征提取, 通过小波神经网络在交通标志识别实验上的数据分析可知,小波神经网络的速度更快,识别率也更高。

 

关键词:图像预处理 特征提取 小波变换 神经网络

 

目录

摘要

Abstract 

1绪论-1

1.1课题的目的及意义-1

1.2图像识别技术的发展及现状-1

1.3神经网络的特点及发展现状-2

1.4课题研究的主要工作-2

2 图像的预处理-4

2.1噪声来源分析及去除噪声方法-4

2.2基于颜色分割法对目标区域的检测-5

2.3基于灰度多阈值对目标区域的检测-7

2.4交通标志图像的定位-8

2.5图像的二值化-9

3目标图像的特征提取-10

3.1特征提取概念-10

3.1.1特征简述-10

3.1.2特征的三大要素-10

3.1.3交通标志的特征-10

3.1.4常用的特征提取与匹配方法-11

3.1.5灰度特征提取法-11

3.2不变矩理论-11

3.2.1不变矩的三个变换-11

3.2.2公式变换-12

3.3.3小波不变矩分析-13

4 基于神经网络的交通标志识别-16

4.1 BP神经网络的模型及算法分析-16

4.1.1 BP神经网络模型的构建-16

4.1.2 BP神经网络算法-17

4.2基于小波神经网络的交通标志识别-18

4.2.1小波神经网络模型-19

4.2.2小波神经网络训练算法的实现-19

4.2.3小波神经网络在交通标志识别实验上的数据分析-20

结论

致谢

参考文献