收藏 分享(赏)

基于小波变换和神经网络的车牌识别系统研究.doc

上传人:cjc2202537 文档编号:1530449 上传时间:2018-07-25 格式:DOC 页数:36 大小:70.55KB
下载 相关 举报
基于小波变换和神经网络的车牌识别系统研究.doc_第1页
第1页 / 共36页
基于小波变换和神经网络的车牌识别系统研究.doc_第2页
第2页 / 共36页
基于小波变换和神经网络的车牌识别系统研究.doc_第3页
第3页 / 共36页
基于小波变换和神经网络的车牌识别系统研究.doc_第4页
第4页 / 共36页
基于小波变换和神经网络的车牌识别系统研究.doc_第5页
第5页 / 共36页
点击查看更多>>
资源描述

1、信号与信息处理专业毕业论文 精品论文 基于小波变换和神经网络的车牌识别系统研究关键词:小波变换 神经网络 车牌识别系统 字符识别 智能交通摘要:本文将现代信号处理技术小波技术,应用到智能交通领域,即车牌识别技术当中来,并结合改进的 BP 神经网络对车牌字符进行分类识别。主要的研究内容和成果如下: 首先,对车辆图像进行灰度变换、平滑处理,通过分析传统图像增强的方法,提出了一种基于小波变换的高频非线性增强算法;结合边缘检测、形态学处理、投影法等算法,提出了一种基于小波变换的车牌定位算法。 其次,对车牌图像进行二值化、倾斜角校正处理,提出了一种基于小波变换的局部自适应多阈值消噪方法;在对字符进行分割

2、的过程中,先去除车牌区域的上下边框,利用垂直投影和先验知识相结合的方法初步分割出单个字符区域,再寻找字符的形态学连通域,切出字符矩形最小区域,对误切分汉字进行合并处理。 最后,对字符进行归一化、细化处理;采用分类识别的方法,用改进的 BP 神经网络对字符进行识别。正文内容本文将现代信号处理技术小波技术,应用到智能交通领域,即车牌识别技术当中来,并结合改进的 BP 神经网络对车牌字符进行分类识别。主要的研究内容和成果如下: 首先,对车辆图像进行灰度变换、平滑处理,通过分析传统图像增强的方法,提出了一种基于小波变换的高频非线性增强算法;结合边缘检测、形态学处理、投影法等算法,提出了一种基于小波变换

3、的车牌定位算法。 其次,对车牌图像进行二值化、倾斜角校正处理,提出了一种基于小波变换的局部自适应多阈值消噪方法;在对字符进行分割的过程中,先去除车牌区域的上下边框,利用垂直投影和先验知识相结合的方法初步分割出单个字符区域,再寻找字符的形态学连通域,切出字符矩形最小区域,对误切分汉字进行合并处理。 最后,对字符进行归一化、细化处理;采用分类识别的方法,用改进的 BP 神经网络对字符进行识别。本文将现代信号处理技术小波技术,应用到智能交通领域,即车牌识别技术当中来,并结合改进的 BP 神经网络对车牌字符进行分类识别。主要的研究内容和成果如下: 首先,对车辆图像进行灰度变换、平滑处理,通过分析传统图

4、像增强的方法,提出了一种基于小波变换的高频非线性增强算法;结合边缘检测、形态学处理、投影法等算法,提出了一种基于小波变换的车牌定位算法。其次,对车牌图像进行二值化、倾斜角校正处理,提出了一种基于小波变换的局部自适应多阈值消噪方法;在对字符进行分割的过程中,先去除车牌区域的上下边框,利用垂直投影和先验知识相结合的方法初步分割出单个字符区域,再寻找字符的形态学连通域,切出字符矩形最小区域,对误切分汉字进行合并处理。 最后,对字符进行归一化、细化处理;采用分类识别的方法,用改进的 BP 神经网络对字符进行识别。本文将现代信号处理技术小波技术,应用到智能交通领域,即车牌识别技术当中来,并结合改进的 B

5、P 神经网络对车牌字符进行分类识别。主要的研究内容和成果如下: 首先,对车辆图像进行灰度变换、平滑处理,通过分析传统图像增强的方法,提出了一种基于小波变换的高频非线性增强算法;结合边缘检测、形态学处理、投影法等算法,提出了一种基于小波变换的车牌定位算法。其次,对车牌图像进行二值化、倾斜角校正处理,提出了一种基于小波变换的局部自适应多阈值消噪方法;在对字符进行分割的过程中,先去除车牌区域的上下边框,利用垂直投影和先验知识相结合的方法初步分割出单个字符区域,再寻找字符的形态学连通域,切出字符矩形最小区域,对误切分汉字进行合并处理。 最后,对字符进行归一化、细化处理;采用分类识别的方法,用改进的 B

6、P 神经网络对字符进行识别。本文将现代信号处理技术小波技术,应用到智能交通领域,即车牌识别技术当中来,并结合改进的 BP 神经网络对车牌字符进行分类识别。主要的研究内容和成果如下: 首先,对车辆图像进行灰度变换、平滑处理,通过分析传统图像增强的方法,提出了一种基于小波变换的高频非线性增强算法;结合边缘检测、形态学处理、投影法等算法,提出了一种基于小波变换的车牌定位算法。其次,对车牌图像进行二值化、倾斜角校正处理,提出了一种基于小波变换的局部自适应多阈值消噪方法;在对字符进行分割的过程中,先去除车牌区域的上下边框,利用垂直投影和先验知识相结合的方法初步分割出单个字符区域,再寻找字符的形态学连通域

7、,切出字符矩形最小区域,对误切分汉字进行合并处理。 最后,对字符进行归一化、细化处理;采用分类识别的方法,用改进的 BP 神经网络对字符进行识别。本文将现代信号处理技术小波技术,应用到智能交通领域,即车牌识别技术当中来,并结合改进的 BP 神经网络对车牌字符进行分类识别。主要的研究内容和成果如下: 首先,对车辆图像进行灰度变换、平滑处理,通过分析传统图像增强的方法,提出了一种基于小波变换的高频非线性增强算法;结合边缘检测、形态学处理、投影法等算法,提出了一种基于小波变换的车牌定位算法。其次,对车牌图像进行二值化、倾斜角校正处理,提出了一种基于小波变换的局部自适应多阈值消噪方法;在对字符进行分割

8、的过程中,先去除车牌区域的上下边框,利用垂直投影和先验知识相结合的方法初步分割出单个字符区域,再寻找字符的形态学连通域,切出字符矩形最小区域,对误切分汉字进行合并处理。 最后,对字符进行归一化、细化处理;采用分类识别的方法,用改进的 BP 神经网络对字符进行识别。本文将现代信号处理技术小波技术,应用到智能交通领域,即车牌识别技术当中来,并结合改进的 BP 神经网络对车牌字符进行分类识别。主要的研究内容和成果如下: 首先,对车辆图像进行灰度变换、平滑处理,通过分析传统图像增强的方法,提出了一种基于小波变换的高频非线性增强算法;结合边缘检测、形态学处理、投影法等算法,提出了一种基于小波变换的车牌定

9、位算法。其次,对车牌图像进行二值化、倾斜角校正处理,提出了一种基于小波变换的局部自适应多阈值消噪方法;在对字符进行分割的过程中,先去除车牌区域的上下边框,利用垂直投影和先验知识相结合的方法初步分割出单个字符区域,再寻找字符的形态学连通域,切出字符矩形最小区域,对误切分汉字进行合并处理。 最后,对字符进行归一化、细化处理;采用分类识别的方法,用改进的 BP 神经网络对字符进行识别。本文将现代信号处理技术小波技术,应用到智能交通领域,即车牌识别技术当中来,并结合改进的 BP 神经网络对车牌字符进行分类识别。主要的研究内容和成果如下: 首先,对车辆图像进行灰度变换、平滑处理,通过分析传统图像增强的方

10、法,提出了一种基于小波变换的高频非线性增强算法;结合边缘检测、形态学处理、投影法等算法,提出了一种基于小波变换的车牌定位算法。其次,对车牌图像进行二值化、倾斜角校正处理,提出了一种基于小波变换的局部自适应多阈值消噪方法;在对字符进行分割的过程中,先去除车牌区域的上下边框,利用垂直投影和先验知识相结合的方法初步分割出单个字符区域,再寻找字符的形态学连通域,切出字符矩形最小区域,对误切分汉字进行合并处理。 最后,对字符进行归一化、细化处理;采用分类识别的方法,用改进的 BP 神经网络对字符进行识别。本文将现代信号处理技术小波技术,应用到智能交通领域,即车牌识别技术当中来,并结合改进的 BP 神经网

11、络对车牌字符进行分类识别。主要的研究内容和成果如下: 首先,对车辆图像进行灰度变换、平滑处理,通过分析传统图像增强的方法,提出了一种基于小波变换的高频非线性增强算法;结合边缘检测、形态学处理、投影法等算法,提出了一种基于小波变换的车牌定位算法。其次,对车牌图像进行二值化、倾斜角校正处理,提出了一种基于小波变换的局部自适应多阈值消噪方法;在对字符进行分割的过程中,先去除车牌区域的上下边框,利用垂直投影和先验知识相结合的方法初步分割出单个字符区域,再寻找字符的形态学连通域,切出字符矩形最小区域,对误切分汉字进行合并处理。 最后,对字符进行归一化、细化处理;采用分类识别的方法,用改进的 BP 神经网

12、络对字符进行识别。本文将现代信号处理技术小波技术,应用到智能交通领域,即车牌识别技术当中来,并结合改进的 BP 神经网络对车牌字符进行分类识别。主要的研究内容和成果如下: 首先,对车辆图像进行灰度变换、平滑处理,通过分析传统图像增强的方法,提出了一种基于小波变换的高频非线性增强算法;结合边缘检测、形态学处理、投影法等算法,提出了一种基于小波变换的车牌定位算法。其次,对车牌图像进行二值化、倾斜角校正处理,提出了一种基于小波变换的局部自适应多阈值消噪方法;在对字符进行分割的过程中,先去除车牌区域的上下边框,利用垂直投影和先验知识相结合的方法初步分割出单个字符区域,再寻找字符的形态学连通域,切出字符

13、矩形最小区域,对误切分汉字进行合并处理。 最后,对字符进行归一化、细化处理;采用分类识别的方法,用改进的 BP 神经网络对字符进行识别。本文将现代信号处理技术小波技术,应用到智能交通领域,即车牌识别技术当中来,并结合改进的 BP 神经网络对车牌字符进行分类识别。主要的研究内容和成果如下: 首先,对车辆图像进行灰度变换、平滑处理,通过分析传统图像增强的方法,提出了一种基于小波变换的高频非线性增强算法;结合边缘检测、形态学处理、投影法等算法,提出了一种基于小波变换的车牌定位算法。其次,对车牌图像进行二值化、倾斜角校正处理,提出了一种基于小波变换的局部自适应多阈值消噪方法;在对字符进行分割的过程中,

14、先去除车牌区域的上下边框,利用垂直投影和先验知识相结合的方法初步分割出单个字符区域,再寻找字符的形态学连通域,切出字符矩形最小区域,对误切分汉字进行合并处理。 最后,对字符进行归一化、细化处理;采用分类识别的方法,用改进的 BP 神经网络对字符进行识别。特别提醒 :正文内容由 PDF 文件转码生成,如您电脑未有相应转换码,则无法显示正文内容,请您下载相应软件,下载地址为 http:/ 。如还不能显示,可以联系我 q q 1627550258 ,提供原格式文档。“垐垯櫃 换烫梯葺铑?endstreamendobj2x 滌?U 閩 AZ箾 FTP 鈦X 飼?狛P? 燚?琯嫼 b?袍*甒?颙嫯?4)

15、=r 宵?i?j 彺帖 B3 锝檡骹笪 yLrQ#?0 鯖 l 壛枒l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛渓?擗#?“?# 綫 G 刿#K 芿$?7. 耟?Wa 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 皗 E|?pDb 癳$Fb 癳$Fb癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$F?責鯻 0 橔 C,f 薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵秾腵薍秾腵%?秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍

展开阅读全文
相关资源
猜你喜欢
相关搜索

当前位置:首页 > 学术论文 > 大学论文

本站链接:文库   一言   我酷   合作


客服QQ:2549714901微博号:道客多多官方知乎号:道客多多

经营许可证编号: 粤ICP备2021046453号世界地图

道客多多©版权所有2020-2025营业执照举报