基于小波變換的車輛識別系統(tǒng)研究

前言

　　小波變換理論是近些年來新發(fā)展起來的一種信號分析工具，本文首次把小波變換理論應(yīng)用到車輛識別的整個(gè)過程之中，在深入研究了小波變換理論的基礎(chǔ)上，給出了一種改進(jìn)的小波變換方法，并得到了在改進(jìn)條件下的信號噪聲特性，使得在改進(jìn)小波變換下的信號與噪聲更加易于區(qū)別，從而有效地解決了車輛識別中的抗干擾問題。另外本文依據(jù)小波變換的多分辨率分析特性，提出了舉手表決法，能夠在圖像尺寸不一的情況下有效地完成車輛識別的任務(wù)。　　本書采用了BP網(wǎng)絡(luò)對車牌字符進(jìn)行識別，但BP網(wǎng)絡(luò)學(xué)習(xí)算法存在著一些內(nèi)在的缺陷，通過引入改進(jìn)的BP網(wǎng)絡(luò)學(xué)習(xí)方法，提高了神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)效率，有效克服了神經(jīng)網(wǎng)絡(luò)收斂速度慢、局部最小值的問題。不僅如此，本書還提出了多分辨率的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法，更進(jìn)一步提高了整個(gè)系統(tǒng)的性能?！　”緯芯苛税ㄜ囕v圖像捕捉、車輛特征提取、車牌定位、牌照字符分割及字符識別等多個(gè)方面的內(nèi)容。從提高整個(gè)系統(tǒng)的性能和可靠性出發(fā)，提出以下實(shí)現(xiàn)方法：利用時(shí)空圖像微分法實(shí)現(xiàn)車輛圖像捕捉的軟觸發(fā)；LLT快速分割算法及其改進(jìn)，并將其應(yīng)用于牌照圖像的字符快速分割；應(yīng)用改進(jìn)的小波變換理論進(jìn)行圖像的去噪以及圖像邊緣提?。籅P網(wǎng)絡(luò)模型的構(gòu)建及BP算法的若干改進(jìn)，并將其應(yīng)用于牌照字符的識別；應(yīng)用不變矩理論提高圖像抗傾斜性能等?！　”緯昧舜罅康南嚓P(guān)文獻(xiàn)，在此對這些書刊和資料的作者表示衷心的感謝?！　∮捎谧髡咚接邢?，加之小波變換理論在車輛識別中的應(yīng)用在不斷發(fā)展，因此本書有不當(dāng)之處在所難免，真誠地希望同行和讀者朋友們不吝賜教，我們將不勝感激。

內(nèi)容概要

　　車輛識別和車型識別是車輛識別的兩個(gè)主要任務(wù)?！痘谛〔ㄗ儞Q的車輛識別系統(tǒng)研究》在簡要介紹小波變換、BP神經(jīng)網(wǎng)絡(luò)等基本概念和基本理論的基礎(chǔ)上，全面、系統(tǒng)地研究了小波變換技術(shù)在車輛識別系統(tǒng)中的應(yīng)用，為多種車輛的識別提供了解決思路?！　　痘谛〔ㄗ儞Q的車輛識別系統(tǒng)研究》在強(qiáng)調(diào)基礎(chǔ)理論的同時(shí)，著重反映了小波變換技術(shù)在車輛識別領(lǐng)域的最新研究成果?！痘谛〔ㄗ儞Q的車輛識別系統(tǒng)研究》注重實(shí)效、深入淺出，對每個(gè)具體問題不僅提供了翔實(shí)的理論依據(jù)，而且還輔以大量的真實(shí)數(shù)據(jù)。通過《基于小波變換的車輛識別系統(tǒng)研究》的學(xué)習(xí)，讀者可以對小波變換技術(shù)在車輛識別系統(tǒng)中的應(yīng)用有深入的認(rèn)識和了解?！　　痘谛〔ㄗ儞Q的車輛識別系統(tǒng)研究》適合從事圖形圖像處理等領(lǐng)域的科研工作者使用，也可作為高等院校相關(guān)專業(yè)師生的參考用書。

作者簡介

　　張琳，1975年生，內(nèi)蒙古人，畢業(yè)于北京理工大學(xué)，計(jì)算機(jī)軟件與理論碩士，現(xiàn)執(zhí)教于北京建筑工程學(xué)院計(jì)算機(jī)系。多年來一直從事操作系統(tǒng)、軟件工程和圖像處理領(lǐng)域的研究和教學(xué)工作，曾主持了多項(xiàng)相關(guān)領(lǐng)域的研究課題，多篇論文被EI檢索，主編、參編和翻譯了多部教材和著作。

書籍目錄

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 基于區(qū)域的分割1.2.2 基于邊緣的分割1.3 圖像特征提取1.4 本書的研究背景1.5 國內(nèi)外研究現(xiàn)狀1.6 該領(lǐng)域內(nèi)亟待解決的問題1.6.1 車輛特征識別存在的問題1.6.2 小波技術(shù)應(yīng)用于車輛識別的問題1.7 本章小結(jié)第2章 基于小波的多分辨率分析及抗干擾技術(shù)研究2.1 小波變換及算法實(shí)現(xiàn)2.1.1 小波變換的產(chǎn)生與應(yīng)用2.1.2 小波變換和傅立葉變換2.2 基于小波的多分辨分析2.3 基于小波的圖像去噪技術(shù)2.3.1 圖像抗干擾的傳統(tǒng)方法2.3.2 信號局部奇異性的小波刻畫2.3.3 基于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(tǒng)計(jì)模型分析2.3.6 圖像去噪的實(shí)現(xiàn)及其結(jié)果分析2.4 本章小結(jié)第3章 面向車輛識別的神經(jīng)網(wǎng)絡(luò)研究3.1 神經(jīng)網(wǎng)絡(luò)模型選取3.2 基于多分辨率的BP網(wǎng)絡(luò)模型的設(shè)計(jì)3.2.1 多分辨率訓(xùn)練算法3.2.2 相似字符3.3 輸入層、隱含層和輸出層節(jié)點(diǎn)數(shù)的確定3.4 BP算法改進(jìn)及效果3.5 本章小結(jié)第4章 基于小波的邊緣檢測及分割算法4.1 傳統(tǒng)邊緣檢測算子4.1.1 羅伯特交叉算子4.1.2 蒲瑞維特邊緣算子4.1.3 索貝爾邊緣算子4.1.4 拉普拉斯算子4.2 基于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(zhì)4.2.3 基于模極大值的多尺度車輛邊緣檢測4.2.4 基于小波的多尺度邊緣檢測算法4.2.5 基于二進(jìn)小波的車輛邊緣提取4.2.6 基于小波變換的邊緣檢測4.2.7 減運(yùn)算4.3 基于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(jìn)的基于車牌分割的LLT算法4.3.4 基于邊緣檢測的分割4.3.5 基于區(qū)域的分割4.3.6 多尺度分割4.3.7 基于小波變換的閾值法分割4.4 本章小結(jié)第5章 基于圖像處理的車型識別5.1 車型識別的系統(tǒng)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 基于數(shù)學(xué)形態(tài)學(xué)的車型識別技術(shù)5.3.1 二值形態(tài)學(xué)5.3.2 灰度數(shù)學(xué)形態(tài)學(xué)5.4 基于矩不變量的車型識別技術(shù)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(guān)變換與性質(zhì)5.4.4 用于車型識別的矩不變量5.5 車輛特征值的選取方法5.6 車型實(shí)驗(yàn)結(jié)果5.7 本章小結(jié)第6章 基于圖像的車牌識別6.1 牌照定位算法6.1.1 牌照的初定位算法6.1.2 牌照候選隊(duì)列生成算法6.1.3 牌照候選隊(duì)列篩選算法6.1.4 牌照候選隊(duì)列的篩選6.2 牌照顏色模式的判定及字符分割算法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 字符分割6.3 字符識別算法6.3.1 字符圖像預(yù)處理6.3.2 多分辨率舉手表決計(jì)算及模板匹配法6.3.3 改進(jìn)的穿線法6.3.4 拓?fù)浣Y(jié)構(gòu)識別法6.3.5 車牌漢字輪廓特征識別算法6.4 細(xì)化算法6.4.1 中軸轉(zhuǎn)換法6.4.2 剝皮法6.4.3 吹氣球法6.4.4 典型的細(xì)化問題6.4.5 基于區(qū)域分解的細(xì)化算法6.5 車牌實(shí)驗(yàn)結(jié)果及結(jié)論6.6 本章小結(jié)參考文獻(xiàn)

章節(jié)摘錄

　　2.3.3基于小波變換的閾值化去噪新方法　　傳統(tǒng)的去噪方法是將被噪聲干擾的信號通過一個(gè)濾波器，濾掉噪聲頻率成分，但對于脈沖信號、白噪聲、非平衡過程信號等，傳統(tǒng)方法存在一定局限性，對這類信號，在低信噪比情況下，經(jīng)過濾波器處理，不僅信噪比得不到較大改善，而且信號的位置信息也被模糊掉了。基于小波變換的去噪方法利用小波變換中的變尺度特性對確定信號具有一種“集中”的能力。如果一個(gè)信號的能量集中于小波變換域少數(shù)系數(shù)上，那么對這些系數(shù)的取值必然大于在小波變換域內(nèi)能量分散于大量小波系數(shù)上的信號或噪聲的小波系數(shù)值。在這里，如何對小波變換域的系數(shù)進(jìn)行篩選（或稱為操縱）是小波閾值化去噪的關(guān)鍵步驟，小波系數(shù)篩選又主要依賴于閾值化閾值（門限）的選取，下面就這兩個(gè)問題進(jìn)行討論?！　?.閾值化　　在小波系數(shù)進(jìn)行取舍之前，實(shí)際上按著一定準(zhǔn)則（或者閾值化）將小波系數(shù)劃分成兩類：一類是重要的、規(guī)則的小波系數(shù)；另一類被看作是非重要的或者受噪聲干擾較大的小波系數(shù)。

圖書封面

評論、評分、閱讀與下載

---

    基于小波變換的車輛識別系統(tǒng)研究 PDF格式下載

---