车牌定位与车流量检测算法的研究与实现
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-14页 |
| ·课题研究的背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·模糊粗糙集发展过程 | 第12页 |
| ·论文研究内容 | 第12-14页 |
| 第二章 论文基础知识介绍 | 第14-25页 |
| ·数字图像处理基础知识 | 第14-15页 |
| ·数字图像压缩 | 第15-16页 |
| ·数字图像滤波 | 第16-17页 |
| ·数字图像分割 | 第17-20页 |
| ·基于区域的分割 | 第18-19页 |
| ·基于时间域的分割 | 第19-20页 |
| ·粗糙集的基本知识的介绍 | 第20-24页 |
| ·知识分类观点 | 第21-22页 |
| ·粗糙的成员关系 | 第22-23页 |
| ·粗糙集的近似边界观点 | 第23-24页 |
| ·信息系统的属性约简 | 第24页 |
| ·本章小结 | 第24-25页 |
| 第三章 智能交通视频监控管理平台 | 第25-44页 |
| ·智能交通视频监控管理平台的框架 | 第25-37页 |
| ·视频采集 | 第26-27页 |
| ·AVS 码流传输 | 第27-28页 |
| ·WEB 服务器 | 第28-29页 |
| ·数据结构 | 第29-31页 |
| ·编码系统流程 | 第31-32页 |
| ·帧间宏块编码流程 | 第32-37页 |
| ·车流量视频检测模块 | 第37-38页 |
| ·智能交通视频监控管理平台的实现 | 第38-41页 |
| ·智能交通视频监控管理平台的应用 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 基于粗糙集与神经网络的车牌定位技术研究 | 第44-53页 |
| ·车牌基本特征 | 第44-46页 |
| ·常用的车牌定位方法概述 | 第46-47页 |
| ·粗糙集与神经网络的结合 | 第47-48页 |
| ·车牌定位算法 | 第48-52页 |
| ·BP 神经网络的改进 | 第48-49页 |
| ·粗糙集-神经网络模型 | 第49-50页 |
| ·神经网络的学习算法 | 第50页 |
| ·车牌定位 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 基于粗糙集理论车流量检测算法的设计 | 第53-69页 |
| ·车辆视频检测算法设计 | 第53-62页 |
| ·数学形态学理论基础 | 第53-55页 |
| ·图像的检测 | 第55-57页 |
| ·基于边缘提取的识别算法 | 第57-62页 |
| ·基于粗糙集理论的视频图像分割 | 第62-66页 |
| ·区域分割概述 | 第62-63页 |
| ·基于变化检测和背景记录的视频分割 | 第63-66页 |
| ·算法原理 | 第63页 |
| ·视频对象分割算法实现 | 第63-66页 |
| ·交通参数提取 | 第66-68页 |
| ·虚拟线的设置 | 第66-67页 |
| ·车流量检测的实现步骤 | 第67页 |
| ·实验结果 | 第67-68页 |
| ·本章小结 | 第68-69页 |
| 第六章 结论 | 第69-71页 |
| ·交通流量检测的总结 | 第69页 |
| ·本课题的未来发展方向 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-75页 |
