车牌识别中去噪与边缘检测算法的研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 课题研究背景和意义 | 第10-11页 |
| 1.2 车牌识别系统的工作原理与发展状况 | 第11-12页 |
| 1.3 车辆图像预处理概述 | 第12页 |
| 1.4 车辆图像去噪与边缘检测技术国内外研究现状 | 第12-17页 |
| 1.4.1 车辆图像去噪技术研究 | 第12-15页 |
| 1.4.2 车辆图像边缘检测技术研究 | 第15-17页 |
| 1.5 本文的主要工作和结构安排 | 第17-19页 |
| 第2章 车辆图像预处理技术 | 第19-25页 |
| 2.1 灰度转换 | 第19-20页 |
| 2.2 图像增强 | 第20-22页 |
| 2.3 直方图均衡化 | 第22-23页 |
| 2.4 车辆图像二值化 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 车辆图像噪声处理技术的研究 | 第25-43页 |
| 3.1 图像噪声介绍 | 第25-26页 |
| 3.2 车辆图像噪声特点 | 第26页 |
| 3.3 评价机制 | 第26-27页 |
| 3.4 车辆图像中单噪声去噪方法研究 | 第27-38页 |
| 3.4.1 均值滤波 | 第27-29页 |
| 3.4.2 中值滤波 | 第29-31页 |
| 3.4.3 自适应维纳滤波 | 第31-33页 |
| 3.4.4 频率滤波去噪 | 第33-36页 |
| 3.4.5 基于小波变换的去噪 | 第36-38页 |
| 3.5 车辆图像混合噪声去噪算法分析 | 第38-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第4章 车辆图像边缘检测技术研究 | 第43-61页 |
| 4.1 边缘检测介绍 | 第43页 |
| 4.2 基于微分算子的边缘检测方法 | 第43-45页 |
| 4.2.1 基于一阶微分的边缘检测方法 | 第44页 |
| 4.2.2 基于二阶微分的边缘检测方法 | 第44-45页 |
| 4.3 常见的边缘检测算子 | 第45-55页 |
| 4.3.1 Roberts算子 | 第45-46页 |
| 4.3.2 Sobel算子 | 第46-49页 |
| 4.3.3 Prewitt算子 | 第49-50页 |
| 4.3.4 Log算子 | 第50-52页 |
| 4.3.5 Canny算子 | 第52-55页 |
| 4.4 边缘检测算法比较 | 第55-60页 |
| 4.4.1 原始车辆图像边缘检测算子比较 | 第55-57页 |
| 4.4.2 混合噪声车辆图像边缘检测算子比较 | 第57-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第5章 基于中值去噪与均值去噪的边缘检测算法 | 第61-67页 |
| 5.1 算法优化的思路 | 第61页 |
| 5.2 仿真测试与数据分析 | 第61-66页 |
| 5.3 本章小结 | 第66-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 附录A (攻读硕士学位期间发表论文) | 第72-73页 |
| 致谢 | 第73页 |
