小波和神经网络在车牌识别系统中的应用研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第7-16页 |
| 1.1 课题的研究背景 | 第7页 |
| 1.2 车牌识别系统的研究现状 | 第7-9页 |
| 1.2.1 车牌识别系统简介 | 第7-8页 |
| 1.2.2 国外车牌识别系统研究情况 | 第8页 |
| 1.2.3 国内车牌识别系统研究情况 | 第8-9页 |
| 1.2.4 我国汽车牌照特点 | 第9页 |
| 1.3 图像分割技术简介 | 第9-10页 |
| 1.4 目标识别技术简介 | 第10-11页 |
| 1.5 小波分析简介 | 第11页 |
| 1.5.1 小波分析的背景 | 第11页 |
| 1.5.2 小波分析的应用 | 第11页 |
| 1.6 不变矩简介 | 第11-14页 |
| 1.6.1 矩的概念介绍 | 第11-12页 |
| 1.6.2 矩的物理意义 | 第12-14页 |
| 1.7 小波神经网络简介 | 第14-15页 |
| 1.7.1 小波神经网络的背景 | 第14-15页 |
| 1.7.2 小波神经网络的应用 | 第15页 |
| 1.8 论文结构安排 | 第15-16页 |
| 第2章 车牌图像预处理 | 第16-22页 |
| 2.1 图像灰度化 | 第16-17页 |
| 2.2 图像去噪和增强 | 第17-21页 |
| 2.2.1 二进制小波变换 | 第18页 |
| 2.2.2 利用二进制小波变换实现图像去噪和增强 | 第18-21页 |
| 2.3 边缘检测 | 第21-22页 |
| 第3章 车牌图像定位 | 第22-26页 |
| 3.1 常见的车牌定位算法 | 第22-23页 |
| 3.2 利用二进制小波变换实现车牌定位 | 第23-26页 |
| 3.2.1 二进制小波分解 | 第23-24页 |
| 3.2.2 图像二值化 | 第24页 |
| 3.2.3 利用数学形态学粗定位车牌 | 第24-25页 |
| 3.2.4 车牌精确定位 | 第25-26页 |
| 第4章 车牌字符分割 | 第26-32页 |
| 4.1 常见的字符分割算法 | 第26-27页 |
| 4.2 车牌字符分割的算法实现 | 第27-32页 |
| 4.2.1 基于局部统计的可变阈值处理 | 第27-29页 |
| 4.2.2 去边框处理 | 第29-30页 |
| 4.2.3 车牌字符分割 | 第30页 |
| 4.2.4 归一化处理 | 第30-32页 |
| 第5章 车牌字符特征提取 | 第32-39页 |
| 5.1 Hu矩和组合矩 | 第32-33页 |
| 5.2 Zernike矩 | 第33-34页 |
| 5.3 利用小波矩实现字符特征提取 | 第34-39页 |
| 5.3.1 具有旋转不变性的矩特征表示 | 第35-36页 |
| 5.3.2 小波矩的构造 | 第36-37页 |
| 5.3.3 特征的选取 | 第37-39页 |
| 第6章 车牌字符识别 | 第39-48页 |
| 6.1 常见的字符识别算法 | 第39-40页 |
| 6.2 利用小波神经网络实现字符识别 | 第40-48页 |
| 6.2.1 小波与神经网络结合 | 第40页 |
| 6.2.2 小波神经网络的分类 | 第40-41页 |
| 6.2.3 小波函数的选择 | 第41-42页 |
| 6.2.4 小波神经网络的参数初始化 | 第42页 |
| 6.2.5 小波神经网络的学习过程 | 第42-46页 |
| 6.2.6 训练小波神经网络 | 第46页 |
| 6.2.7 字符识别 | 第46-48页 |
| 第7章 实验分析 | 第48-49页 |
| 7.1 车牌字符识别结果对比 | 第48页 |
| 7.2 实验小结 | 第48-49页 |
| 第8章 总结 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-53页 |
