论文摘要
交通运输业的迅速发展以及各种车辆的迅速增加,是人们的生活得到便利的同时也引发了很多新的问题。因此,对交通监控、安全管理的要求越来越高,单纯的人力管理已经不能满足需要,迫切地需要采用智能交通管理系统(Intelligent Transportation System,ITS)来对其进行有效地管理。由于小波在能量守恒方面、特征抽取方面有良好的表现,所以在文件压缩、网络通信、语义传输等方面得到应用。小波是定义在有限间隔并且平均值为零的一种函数。小波的主要特征是具有有限的持续时间,突变的频率和振幅,不规则或者不对称的波形,在整个时间范围内的幅度平均值为零,具有良好的局部性。小波多分辨率、多尺度技术应用在车辆检测图像中,尤其对车前脸、车牌和车辆标志的高分辨率图形上显得非常清晰,车辆轮廓在小尺寸、低分辨率图像上显得较为清楚,这样可以解决用一个摄像机完成两项识别任务。同时小波多分辨率、多尺度技术可以应用在车辆多层次识别上,用小波经过变换的某尺度、某分辨率的图像与相应的模板进行对比,根据对比结果完成多次表决的形式,决定该次匹配是否成功。由于小波具有缩放、位移功能,因此在图像上搜索车辆标识方面和车牌识别方面都很容易达到定位效果。
论文目录
摘要Abstract第1章 绪论1.1 研究背景和意义1.2 国内外研究动态1.3 本文主要工作1.4 论文章节安排第2章 小波分析技术2.1 小波变换及其算法2.1.1 小波变换的产生和应用2.1.2 小波变换和傅里叶变换2.2 基于小波的多分辨分析2.3 基于小波分析的图像去噪技术2.3.1 图像抗干扰的传统方法2.3.2 基于小波变换的阈值化去噪方法第3章 基于小波的边缘检测及图像分割3.1 边缘检测算子3.1.1 罗伯特交叉算子3.1.2 蒲瑞维特边缘算子3.1.3 索贝尔边缘算子3.1.4 拉普拉斯算子3.2 基于小波变换的边缘检测3.2.1 小波的多尺度分析3.2.2 基于小波的多尺度边缘检测算法3.2.3 基于二进小波的车辆边缘提取算法3.2.4 基于小波变换的边缘检测3.2.5 减运算3.3 基于小波的图像分割3.3.1 图像分割的方法概述第4章 基于小波分析的车型识别的设计4.1 车型识别总体设计4.2 车型去噪方法的设计4.2.1 邻域平均法4.2.2 中值滤波4.2.3 空间低通滤波4.2.4 车型去噪的实现4.3 基于数学模型的车型识别4.3.1 二值形态学4.3.2 灰度数学形态学4.3.3 车型识别具体算法4.4 基于矩不变量的车型识别4.4.1 矩的概念与分类4.4.2 矩的物理意义4.4.3 矩的有关变换和性质4.4.4 用于车型识别的矩不变量4.5 车型特征值的选取4.6 实验结果分析第5章 总结与展望5.1 全文总结5.2 领域目前应该解决的问题5.2.1 单尺度、单分辨率问题5.2.2 采集的距离和角度问题5.2.3 车辆标识的检验5.2.4 车辆识别中的干扰问题参考文献
相关论文文献
标签:小波分析论文; 多分辨分析论文; 边缘检测论文; 图像分割论文; 矩不变量论文;