基于小波分析的图像处理及其在车牌识别中的应用

论文摘要

本文选用小波变换作为数学工具,利用小波的“显微镜”特性和类人视觉特点解决车牌字符的分析和识别问题,提高车牌字符的识别能力,主要研究三个方面的问题:(1)对字符图像的分割去噪进行研究,在现有区域去噪的基础上提出一种保持边缘的去噪算法,使该算法在去噪的同时更能保持字符原有特征,实现传统算法的快速改进。(2)通过对统计特征和结构特征优缺点的分析,利用小波二维图像分解具有的类人视觉特性,构造出具有二者综合优势特点的小波网格特征向量。(3)通过对研究对象字符系统的属性分析,根据人们对字符的认知心理分析,构造出具有仿人特点的多层多变量智能字符识别器模型。该模型可以克服单模型特征缺乏的弊端,提高识别效率。利用人工智能理论、计算机技术和数字信号处理技术,改善传统算法的实时性和精确性,寻求稳定有代表性的字符特征,采用多层多变量等先进匹配方法,设计出满足识别速度快、识别率高的字符识别系统。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 概述
• 1.2 模式识别技术及其发展
• 1.2.1 模式识别的概念及组成
• 1.2.2 模式识别技术的发展
• 1.3 车牌识别研究及应用
• 1.3.1 当前研究及商业前景
• 1.3.2 基本原理
• 1.4 数字图像处理系统
• 第二章 小波分析的基本理论
• 2.1 傅立叶变换到小波分析
• 2.1.1 傅立叶变换
• 2.1.2 短时傅立叶变换
• 2.1.3 小波分析
• 2.1.4 小波分析与傅立叶变换的比较
• 2.2 多分辨率分析
• 2.2.1 一维多分辨率分析
• 2.2.2 一维Mallat 算法
• 2.2.3 二维多分辨率分析
• 2.2.4 二维Mallat 算法
• 2.3 小波分析与信号、图像
• 第三章 图像的分割去噪
• 3.1 二进小波
• 3.2 多尺度边缘检测
• 3.3 候选阈值点的小波自适应提取
• 3.3.1 最佳尺度的选取
• 3.3.2 阈值在候选点中的唯一定位
• 3.3.3 小波的选择
• 3.3.4 实验结果
• 3.4 图像去噪预处理
• 第四章 字符的特征提取
• 4.1 字符的小波特征提取
• 4.1.1 字符特征提取方法的分析
• 4.1.2 图像字符小波特征向量的构造
• 4.1.3 图像字符小波特征向量的提取
• 4.2 全局模板特征向量
• 第五章 车牌字符的识别
• 5.1 常用的一些算法
• 5.2 字符识别器
• 5.2.1 字符识别器的原理
• 5.2.2 字符识别器的识别特点
• 5.2.3 应用实例
• 第六章 结论
• 参考文献
• 致谢