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
