基于小波变换和神经网络的车牌识别系统研究
| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第1章 绪论 | 第9-16页 |
| ·课题的研究背景及意义 | 第9-10页 |
| ·课题的研究现状及发展趋势 | 第10-11页 |
| ·课题的研究现状 | 第10-11页 |
| ·课题的发展趋势 | 第11页 |
| ·车牌识别系统的组成 | 第11-13页 |
| ·感应设备 | 第11-12页 |
| ·图像采集 | 第12页 |
| ·工作原理 | 第12页 |
| ·信息存储 | 第12-13页 |
| ·车牌识别系统的硬件设计 | 第13页 |
| ·我国车牌的特点 | 第13-14页 |
| ·论文的结构安排 | 第14-16页 |
| 第2章 小波变换理论 | 第16-26页 |
| ·小波与小波变换 | 第16-19页 |
| ·小波的基本概念 | 第16-18页 |
| ·小波变换的特点 | 第18-19页 |
| ·多分辨率分析 | 第19-23页 |
| ·多分辨率分析的基本概念 | 第19-21页 |
| ·二维多分辨率分析 | 第21-22页 |
| ·小波变换快速算法——Mallat 算法 | 第22-23页 |
| ·小波变换在图像处理中的应用 | 第23-25页 |
| ·小波变换在图像增强方面的应用 | 第24页 |
| ·小波变换在车牌定位方面的应用 | 第24页 |
| ·小波变换在图像消噪方面的应用 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 车牌定位算法研究 | 第26-45页 |
| ·车辆图像预处理 | 第26-34页 |
| ·灰度变换 | 第26-27页 |
| ·平滑处理 | 第27-28页 |
| ·传统的图像增强方法 | 第28-30页 |
| ·基于小波变换的车辆图像增强算法 | 第30-34页 |
| ·现有车牌定位算法介绍 | 第34-35页 |
| ·车牌粗定位 | 第35-41页 |
| ·边缘检测 | 第35-37页 |
| ·形态学处理 | 第37-39页 |
| ·车牌的水平投影 | 第39-40页 |
| ·获取候选区域 | 第40-41页 |
| ·车牌细定位 | 第41-43页 |
| ·候选区域的小波变换 | 第42页 |
| ·基于小波变换的车牌细定位 | 第42-43页 |
| ·实验结果及性能分析 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 字符分割算法研究 | 第45-60页 |
| ·车牌图像预处理 | 第45-49页 |
| ·车牌图像二值化 | 第45-46页 |
| ·车牌的倾斜校正 | 第46-49页 |
| ·基于小波变换的车牌图像消噪处理 | 第49-54页 |
| ·小波阈值消噪 | 第49-50页 |
| ·基于小波变换的局部自适应多阈值消噪处理 | 第50-51页 |
| ·小波阈值消噪与其它消噪方法的仿真实验比较 | 第51-54页 |
| ·车牌字符粗分割 | 第54-57页 |
| ·车牌上下边框的去除 | 第54-55页 |
| ·基于先验知识的垂直投影字符粗分割 | 第55-57页 |
| ·车牌字符细分割 | 第57-59页 |
| ·基于形态学连通域的字符宽度值修正 | 第57页 |
| ·汉字的切分 | 第57-59页 |
| ·实验结果及性能分析 | 第59页 |
| ·本章小结 | 第59-60页 |
| 第5章 基于神经网络的车牌字符识别 | 第60-75页 |
| ·字符预处理 | 第60-61页 |
| ·归一化 | 第60页 |
| ·细化 | 第60-61页 |
| ·字符特征的选取 | 第61-66页 |
| ·结构特征的提取 | 第61-64页 |
| ·统计特征的提取 | 第64-66页 |
| ·基于神经网络的车牌字符识别 | 第66-74页 |
| ·人工神经网络 | 第66-67页 |
| ·BP 神经网络的基本原理与学习算法 | 第67-70页 |
| ·BP 神经网络学习算法的改进 | 第70页 |
| ·神经网络的结构设计及实验结果 | 第70-74页 |
| ·本章小结 | 第74-75页 |
| 结论 | 第75-77页 |
| 参考文献 | 第77-83页 |
| 附录 车牌识别系统的 PCB 版图 | 第83-84页 |
| 致谢 | 第84页 |
