基于小波分析的汽车牌照识别系统的研究与实现
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 1 绪论 | 第9-14页 |
| ·车牌识别技术的应用背景 | 第9-10页 |
| ·车牌识别系统所要解决的问题 | 第10页 |
| ·车牌识别系统的组成和工作原理 | 第10-11页 |
| ·车牌识别系统相关技术及现状 | 第11-12页 |
| ·传统模式识别技术阶段 | 第11页 |
| ·人工神经网络技术阶段 | 第11-12页 |
| ·车牌识别技术中的主要难点 | 第12-13页 |
| ·本文的主要工作 | 第13-14页 |
| 2 汽车图像预处理 | 第14-24页 |
| ·预处理的必要性 | 第14页 |
| ·转换为灰度图 | 第14-20页 |
| ·灰度图与真彩图的介绍 | 第15页 |
| ·BMP 文件格式介绍 | 第15-19页 |
| ·RGB 颜色信息的灰度化 | 第19-20页 |
| ·灰度均衡 | 第20-24页 |
| ·问题的引出 | 第20页 |
| ·图像增强常用方法的对比与选择 | 第20页 |
| ·直方图均衡化原理 | 第20-22页 |
| ·直方图均衡化应用 | 第22-24页 |
| 3 车牌定位技术 | 第24-39页 |
| ·车牌定位技术的概述 | 第24-25页 |
| ·本文采用的方法介绍 | 第25页 |
| ·小波变换 | 第25-35页 |
| ·小波理论介绍 | 第25-28页 |
| ·Mallat 塔型分解算法 | 第28-30页 |
| ·Haar 小波 | 第30-31页 |
| ·非正交haar 小波变换 | 第31-35页 |
| ·车牌定位算法 | 第35-37页 |
| ·线扫描 | 第35页 |
| ·数学形态学运算 | 第35-37页 |
| ·实验与结果 | 第37页 |
| ·本章小结 | 第37-39页 |
| 4 车牌倾斜矫正 | 第39-43页 |
| ·常用倾斜角度检测方法 | 第39-40页 |
| ·车牌倾斜校正算法 | 第40-43页 |
| 5 车牌字符分割 | 第43-47页 |
| ·车牌预处理 | 第43-44页 |
| ·车牌的底色规范化 | 第43页 |
| ·车牌的二值化 | 第43-44页 |
| ·字符分割的方法 | 第44-46页 |
| ·剔除边界 | 第44页 |
| ·垂直投影法 | 第44-45页 |
| ·经验值法 | 第45页 |
| ·字符分割算法 | 第45-46页 |
| ·本章总结 | 第46-47页 |
| 6 字符识别 | 第47-68页 |
| ·引言 | 第47页 |
| ·字符识别方法简介 | 第47-48页 |
| ·字符归一化 | 第48-50页 |
| ·位置归一化 | 第48-49页 |
| ·尺寸归一化 | 第49-50页 |
| ·特征选择与特征提取 | 第50-61页 |
| ·字符特征提取方法概述 | 第50-52页 |
| ·外围轮廓特征的选择 | 第52-54页 |
| ·小波特征的选择 | 第54-55页 |
| ·特征提取 | 第55-61页 |
| ·径向基函数RBF 神经网络 | 第61-65页 |
| ·径向基函数RBF 神经网络结构 | 第61-63页 |
| ·径向基函数网络的学习算法(K-NN 算法) | 第63-64页 |
| ·径向基函数网络RBFNN 与BP 网络的对比 | 第64-65页 |
| ·径向基函数RBF 神经网络的应用 | 第65-66页 |
| ·网络的设计 | 第65页 |
| ·实验样本选取 | 第65-66页 |
| ·径向基函数RBF 神经网络的参数确定 | 第66页 |
| ·实验结果 | 第66-68页 |
| 7 结论与展望 | 第68-69页 |
| ·主要结论 | 第68页 |
| ·展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 附录 | 第74页 |
