车牌快速识别算法的研究和实现
| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 1 绪论 | 第9-13页 |
| ·课题的研究背景及现实意义 | 第9页 |
| ·课题的研究现状和发展趋势 | 第9-11页 |
| ·课题的研究现状 | 第9-10页 |
| ·课题的发展趋势 | 第10-11页 |
| ·我国汽车牌照识别的特殊性 | 第11页 |
| ·课题的主要研究内容 | 第11-13页 |
| 2 小波变换基本理论 | 第13-23页 |
| ·小波与小波变换 | 第13-16页 |
| ·基本概念 | 第13-15页 |
| ·小波变换的基本特点 | 第15-16页 |
| ·多分辨率分析 | 第16-20页 |
| ·多分辨率分析的概念 | 第16-17页 |
| ·二维多分辨率分析 | 第17-18页 |
| ·二尺度方程 | 第18页 |
| ·Mallat 算法 | 第18-20页 |
| ·小波变换在信号和图像方面的应用 | 第20-23页 |
| ·小波变换在车牌定位方面的应用 | 第21页 |
| ·小波变换在图像消噪方面的应用 | 第21-23页 |
| 3 车牌的定位算法研究 | 第23-45页 |
| ·车辆图像的预处理 | 第23-33页 |
| ·车辆图像的灰度变换 | 第23-24页 |
| ·车辆图像的平滑处理 | 第24-27页 |
| ·图像增强的一般方法 | 第27-31页 |
| ·基于小波变换的车辆图像增强算法 | 第31-33页 |
| ·现有车牌定位算法的介绍 | 第33-34页 |
| ·车牌定位基础方法及其原理 | 第34-40页 |
| ·投影法 | 第34-35页 |
| ·边缘检测 | 第35-37页 |
| ·数学形态学 | 第37-39页 |
| ·候选区域的获取 | 第39-40页 |
| ·小波变换的车牌定位 | 第40-43页 |
| ·Daubechies(dbN)小波介绍 | 第40-42页 |
| ·db8 小波细分候选区域 | 第42-43页 |
| ·实验结果与分析 | 第43-44页 |
| ·本章小节 | 第44-45页 |
| 4 车牌的字符分割 | 第45-55页 |
| ·车牌图像的预处理 | 第45-48页 |
| ·车牌图像的二值化 | 第45-46页 |
| ·车牌倾斜校正 | 第46-48页 |
| ·小波变换的车牌图像局部消噪处理 | 第48-51页 |
| ·小波阈值去噪的一般方法 | 第48-49页 |
| ·小波变换的小波阈值函数 | 第49-50页 |
| ·小波去噪与其它去噪方法的仿真比较 | 第50-51页 |
| ·车牌边框的去除 | 第51-53页 |
| ·车牌的字符分割 | 第53-54页 |
| ·实验结果与分析 | 第54页 |
| ·本章小节 | 第54-55页 |
| 5 车牌的字符识别 | 第55-68页 |
| ·车牌的常用字符简介 | 第55页 |
| ·字符识别的常用方法 | 第55-57页 |
| ·神经网络方法 | 第55-56页 |
| ·结构模式识别方法 | 第56页 |
| ·贝叶斯统计决策模式识别方法 | 第56-57页 |
| ·字符预处理 | 第57-59页 |
| ·字符归一化 | 第57-58页 |
| ·字符细化 | 第58-59页 |
| ·基于改进的 BP 神经网络识别中文字符 | 第59-62页 |
| ·BP 神经网络 | 第59-61页 |
| ·汉字的分类器设计 | 第61-62页 |
| ·基于模板匹配的数字及英文字符识别 | 第62-67页 |
| ·模板匹配基本理论 | 第62-64页 |
| ·改进的模板匹配算法 | 第64-67页 |
| ·实验结果与分析 | 第67页 |
| ·本章小结 | 第67-68页 |
| 结论 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 附录 | 第73页 |
