第1章 绪论 1
1.1 引言 1
1.2 图像分割及边缘提取 1
1.2.1 基于区域的分割 2
1.2.2 基于边缘的分割 2
1.3 图像特征提取 3
1.4 本书的研究背景 4
1.5 国内外研究现状 4
1.6 该领域内亟待解决的问题 6
1.6.1 车辆特征识别存在的问题 6
1.6.2 小波技术应用于车辆识别的问题 8
1.7 本章小结 9
第2章 基于小波的多分辨率分析及抗干扰技术研究 10
2.1 小波变换及算法实现 10
2.1.1 小波变换的产生与应用 10
2.1.2 小波变换和傅立叶变换 11
2.2 基于小波的多分辨分析 15
2.3 基于小波的图像去噪技术 18
2.3.1 图像抗干扰的传统方法 20
2.3.2 信号局部奇异性的小波刻画 23
2.3.3 基于小波变换的阈值化去噪新方法 24
2.3.4 多通道阈值去噪方法 26
2.3.5 在小波域中的统计模型分析 27
2.3.6 图像去噪的实现及其结果分析 28
2.4 本章小结 33
第3章 面向车辆识别的神经网络研究 34
3.1 神经网络模型选取 34
3.2 基于多分辨率的BP网络模型的设计 35
3.2.1 多分辨率训练算法 35
3.2.2 相似字符 35
3.3 输入层、隐含层和输出层节点数的确定 36
3.4 BP算法改进及效果 36
3.5 本章小结 41
第4章 基于小波的边缘检测及分割算法 42
4.1 传统边缘检测算子 42
4.1.1 罗伯特交叉算子 42
4.1.2 蒲瑞维特边缘算子 43
4.1.3 索贝尔边缘算子 43
4.1.4 拉普拉斯算子 44
4.2 基于小波变换的边缘检测 45
4.2.1 小波多尺度分析 45
4.2.2 小波多尺度分析性质 46
4.2.3 基于模极大值的多尺度车辆边缘检测 49
4.2.4 基于小波的多尺度边缘检测算法 51
4.2.5 基于二进小波的车辆边缘提取 51
4.2.6 基于小波变换的边缘检测 54
4.2.7 减运算 55
4.3 基于小波变换的图像分割算法 55
4.3.1 图像分割方法概述 56
4.3.2 LLT快速分割算法 58
4.3.3 改进的基于车牌分割的LLT算法 59
4.3.4 基于边缘检测的分割 61
4.3.5 基于区域的分割 62
4.3.6 多尺度分割 63
4.3.7 基于小波变换的阈值法分割 63
4.4 本章小结 65
第5章 基于图像处理的车型识别 66
5.1 车型识别的系统 66
5.2 车型噪声的去除 66
5.2.1 邻域平均法 66
5.2.2 中值滤波 67
5.2.3 空间低通滤波 68
5.3 基于数学形态学的车型识别技术 68
5.3.1 二值形态学 68
5.3.2 灰度数学形态学 69
5.4 基于矩不变量的车型识别技术 70
5.4.1 矩的概念和分类 70
5.4.2 矩的物理意义 72
5.4.3 矩的有关变换与性质 74
5.4.4 用于车型识别的矩不变量 75
5.5 车辆特征值的选取方法 76
5.6 车型实验结果 80
5.7 本章小结 80
第6章 基于图像的车牌识别 81
6.1 牌照定位算法 81
6.1.1 牌照的初定位算法 82
6.1.2 牌照候选队列生成算法 84
6.1.3 牌照候选队列筛选算法 84
6.1.4 牌照候选队列的筛选 87
6.2 牌照颜色模式的判定及字符分割算法 90
6.2.1 牌照颜色模式的判定 90
6.2.2 牌照倾斜角度检测算法 91
6.2.3 字符分割 93
6.3 字符识别算法 96
6.3.1 字符图像预处理 96
6.3.2 多分辨率举手表决计算及模板匹配法 96
6.3.3 改进的穿线法 98
6.3.4 拓扑结构识别法 99
6.3.5 车牌汉字轮廓特征识别算法 100
6.4 细化算法 101
6.4.1 中轴转换法 101
6.4.2 剥皮法 102
6.4.3 吹气球法 103
6.4.4 典型的细化问题 103
6.4.5 基于区域分解的细化算法 104
6.5 车牌实验结果及结论 106
6.6 本章小结 106
参考文献 107