基于小波的图像分析及其在车牌识别中的应用
| 中文摘要 | 第1-11页 |
| 第一章 绪论 | 第11-23页 |
| 1．1 模式识别及技术现状 | 第11-13页 |
| 1．2 车牌识别现状及应用前景 | 第13-21页 |
| 1．2．1 车牌识别的基本原理 | 第13-14页 |
| 1．2．2 车牌识别技术及难点 | 第14-17页 |
| 1．2．3 车牌识别研究的历史回顾 | 第17-19页 |
| 1．2．4 车牌识别技术的发展趋势 | 第19-20页 |
| 1．2．5 车牌识别的应用前景 | 第20-21页 |
| 1．3 本文的内容安排 | 第21-23页 |
| 第二章 小波理论 | 第23-41页 |
| 2．1 波和小波 | 第23-25页 |
| 2．2 从傅里叶变换到小波分析 | 第25-30页 |
| 2．2．1 傅立叶变换 | 第25-26页 |
| 2．2．2 短时傅立叶变换 | 第26-28页 |
| 2．2．3 小波分析 | 第28-29页 |
| 2．2．4 小波分析与傅立叶变换的比较 | 第29-30页 |
| 2．3 多分辩分析 | 第30-38页 |
| 2．3．1 一维多分辨率分析 | 第30-34页 |
| 2．3．2 一维Mallat算法 | 第34-35页 |
| 2．3．3 二维多分辨率分析 | 第35-36页 |
| 2．3．4 二维Mallat算法 | 第36-38页 |
| 2．4 小波分析与信号、图像关系 | 第38-41页 |
| 第三章 图像的分割及去噪 | 第41-57页 |
| 3．1 “变焦距”的二进小波 | 第41-43页 |
| 3．2 信号多尺度边缘检测 | 第43-46页 |
| 3．3 候选阈值点的小波自适应提取 | 第46-52页 |
| 3．3．1 最佳尺度的选取 | 第47-48页 |
| 3．3．2 阈值在候选点中的唯一定位 | 第48-50页 |
| 3．3．3 小波的选择 | 第50-52页 |
| 3．3．4 实验结果 | 第52页 |
| 3．4 图像去噪预处理 | 第52-57页 |
| 3．4．1 一种保持边缘的去噪方法 | 第53-57页 |
| 第四章 字符的特征提取 | 第57-71页 |
| 4．1 字符小波特征提取方法的提出 | 第57-59页 |
| 4．1．1 统计方法和结构方法的分析 | 第57-58页 |
| 4．1．2 字符特征分析 | 第58-59页 |
| 4．2 字符的小波特征提取 | 第59-68页 |
| 4．2．1 图像字符小波特征向量的构造 | 第59-65页 |
| 4．2．2 图像字符小波特征向量的提取 | 第65-68页 |
| 4．3 全局模板特征向量 | 第68-71页 |
| 第五章 仿人智能识别及智能识别器 | 第71-92页 |
| 5．1 多层多模态智能识别机的设计 | 第72-77页 |
| 5．1．1 多模态定性识别 | 第73-76页 |
| 5．1．2 分层递阶的系统结构 | 第76-77页 |
| 5．2 字符智能识别机 | 第77-84页 |
| 5．2．1 字符识别机的原理 | 第78-83页 |
| 5．2．2 字符识别机的识别特点 | 第83-84页 |
| 5．3 应用实例 | 第84-92页 |
| 第六章 结论 | 第92-94页 |
| 参考文献 | 第94-97页 |
