基於小波變換的車輛識別系統研究內容簡介
車輛識別和車型識別是車輛識別的兩個主要任務。本書在簡要介紹小波變換、BP神經網路等基本概念和基本理論的基礎上，全面、系統地研究了小波變換技術在車輛識別系統中的套用，為多種車輛的識別提供了解決思路。
本書在強調基礎理論的同時，著重反映了小波變換技術在車輛識別領域的最新研究成果。本書注重實效、深入淺出，對每個具體問題不僅提供了翔實的理論依據，而且還輔以大量的真實數據。通過本書的學習，讀者可以對小波變換技術在車輛識別系統中的套用有深入的認識和了解。
本書適合從事圖形圖像處理等領域的科研工作者使用，也可作為高等院校相關專業師生的參考用書。
目錄
前言
第1章 緒論
1.1 引言
1.2 圖像分割及邊緣提取
1.2.1 基於區域的分割
1.2.2 基於邊緣的分割
1.3 圖像特徵提取
1.4 本書的研究背景
1.5 國內外研究現狀
1.6 該領域內亟待解決的問題
1.6.1 車輛特徵識別存在的問題
1.6.2 小波技術套用於車輛識別的問題
1.7 本章小結
第2章 基於小波的多解析度分析及抗干擾技術研究
2.1 小波變換及算法實現
2.1.1 小波變換的產生與套用
2.1.2 小波變換和傅立葉變賴
2.2 基於小波的多分辨分析
2.3 基於小波的圖像去噪技術
2.3.1 圖像抗干擾的傳統方法
2.3.2 信號局部奇異性的小波刻畫
2.3.3 基於小波變換的閾值化去噪新方法
2.3.4 多通道閾值去噪方法
2.3.5 在小波域中的統計模型分析
2.3.6 圖像去噪的實現及其結果分析
2.4 本章小結
第3章 面向車輛識別的神經網路研究
3.1 神經網路模型選取
3.2 基於多解析度的BP網路模型的設計
3.2.1 多解析度訓練算法
3.2.2 相似字元
3.3 輸入層、隱含層和輸出層節點數的確定
3.4 BP算法改進及效果
3.5 本章小結
第4章 基於小波的邊緣檢測及分割算法
4.1 傳統邊緣檢測運算元
4.1.1 羅伯特交叉運算元
4.1.2 蒲瑞維特邊緣運算元
4.1.3 索貝爾邊緣運算元
4.1.4拉普拉斯運算元
4.2 基於小波變換的邊緣檢測
4.2.1 小波多尺度分析
4.2.2 小波多尺度分析性質
4.2.3 基於模極大值的多尺度車輛邊緣檢測
4.2.4 基於小波的多尺度邊緣檢測算法
4.2.5 基於二進小波的車輛邊緣提取
4.2.6 基於小波變換的邊緣檢測
4.2.7 減運算
4.3 基於小波變換的圖像分割算法
4.3.1 圖像分割方法概述
4.3.2 LLT快速分割算法
4.3.3 改進的基於車牌分割的LLT算法
4.3.4 基於邊緣檢測的分割
4.3.5 基於區域的分割
4.3.6 多尺度分割
4.3.7 基於小波變換的閾值法分割
4.4 本章小結
第5章 基於圖像處理的車型識別
5.1 車型識別的系統
5.2 車型噪聲的去除
5.2.1 鄰域平均法
5.2.2 中值濾波
5.2.3 空間低通濾波
5.3 基於數學形態學的車型識別技術
5.3.1 二值形態學
5.3.2 灰度數學形態學
5.4 基於矩不變數的車型識別技術
5.4.1 矩的概念和分類
5.4.2 矩的物理意義
5.4.3 矩的有關變換與性質
5.4.4 用於車型識別的矩不變數
5.5 車輛特徵值的選取方法
5.6 車型實驗結果
5.7 本章小結
第6章 基於圖像的車牌識別
6.1 牌照定位算法
6.1.1 牌照的初定位算法
6.1.2 牌照候選佇列生成算法
6.1.3 牌照候選佇列篩選算法
6.1.4 牌照候選佇列的篩選
6.2 牌照顏色模式的判定及字元分割算法
6.2.1 牌照顏色模式的判定
6.2.2 牌照傾斜角度檢測算法
6.2.3 字元分割
6.3 字元識別算法
6.3.1 字元圖像預處理
6.3.2 多解析度舉手表決計算及模板匹配法
6.3.3 改進的穿線法
6.3.4 拓撲結構識別法
6.3.5 車牌漢字輪廓特徵識別算法
6.4 細化算法
6.4.1 中軸轉換法
6.4.2 剝皮法
6.4.3 吹氣球法
6.4.4 典型的細化問題
6.4.5 基於區域分解的細化算法
6.5 車牌實驗結果及結論
6.6 本章小結
參考文獻
