智能交通系统中车辆检测关键技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-14页 |
| ·课题研究的背景及意义 | 第8页 |
| ·课题的研究现状及发展趋势 | 第8-11页 |
| ·课题的研究现状 | 第9-10页 |
| ·课题的发展趋势 | 第10-11页 |
| ·本文的主要研究内容及安排 | 第11-14页 |
| ·主要研究内容 | 第11页 |
| ·全文结构 | 第11-14页 |
| 第2章 车辆图像预处理 | 第14-34页 |
| ·车辆识别系统的组成 | 第14-15页 |
| ·灰度化处理 | 第15-17页 |
| ·中值滤波法 | 第17-19页 |
| ·基于小波包变换的图像增强算法 | 第19-28页 |
| ·连续小波变换（CWT）的基本理论 | 第19-21页 |
| ·离散小波变换 | 第21-22页 |
| ·多分辨率分析 | 第22-24页 |
| ·小波包原理 | 第24-28页 |
| ·边缘检测 | 第28-30页 |
| ·二值化 | 第30-33页 |
| ·本章小结 | 第33-34页 |
| 第3章 车牌定位和倾斜校正 | 第34-40页 |
| ·车牌定位 | 第34页 |
| ·水平投影 | 第34-35页 |
| ·垂直投影 | 第35-37页 |
| ·倾斜校正 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 车牌字符分割和识别 | 第40-52页 |
| ·基于特征及纹理的车牌字符分割方法 | 第40-41页 |
| ·车牌字符识别 | 第41-44页 |
| ·字符识别的结构方法 | 第41-42页 |
| ·字符识别的统计方法 | 第42-43页 |
| ·分类器的选取 | 第43-44页 |
| ·BP 神经网络算法 | 第44-47页 |
| ·BP 神经网络的不足 | 第47页 |
| ·基于二值图像的学习样本 | 第47-48页 |
| ·神经网络在字符识别中的应用 | 第48-50页 |
| ·实验结果 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 车标定位和识别 | 第52-68页 |
| ·车标定位 | 第52-60页 |
| ·AdaBoost 算法原理及车脸检测结果 | 第52-58页 |
| ·车标粗定位 | 第58页 |
| ·车标精定位 | 第58-60页 |
| ·车标识别 | 第60-66页 |
| ·SURF 局部算子原理 | 第60-61页 |
| ·LBP 局部算子原理 | 第61-65页 |
| ·利用SURF 和LBP 的改进二级分类器方法 | 第65-66页 |
| ·实验结果 | 第66页 |
| ·本章小结 | 第66-68页 |
| 第6章 仿真与实现 | 第68-70页 |
| ·OpenCV 简介 | 第68-69页 |
| ·仿真界面 | 第69页 |
| ·本章小结 | 第69-70页 |
| 第7章 总结与展望 | 第70-72页 |
| ·总结 | 第70页 |
| ·展望 | 第70-72页 |
| 参考文献 | 第72-75页 |
| 作者简介 | 第75-76页 |
| 致谢 | 第76页 |
