基于adaboost和bp的车标识别方法研究-微电子学与固体电子学专业论文.docxVIP

Abstract——————————————————————————————————————————一 Abstract ——————————————————————————————————————————一 correct ClassIilcation． Finally,it develops the human-computer interaction SO舢t／ar@by using VisuaI Studio 2012 integrated development environment and the oPen Iibr锄v developed opencv2．4．4，which is used in image acquisition platform．幻dependent enV啪砌ent．pre-processing image automatically,plating license，and logo 化cognition·The experimental results show that the system has good detection accuracy． Keywords：Image pre‘processing；logo positioning；recognition；Adaboost algorithm； BP Algorithm Ⅲ 万方数据 安徽大学硕士学位论文：基于ADABOOST和BP的车标识别方法研究目录 安徽大学硕士学位论文：基于ADABOOST和BP的车标识别方法研究 目录 摘要 I Absnact．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． ． ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． ．．．．．．．II 目录 ．Ⅳ 第一章 绪论 ．1 1．1车标识别的研究背景和意义 l 1．2车标车牌识别的国内外研宄形状 l 1．3车标识别系统的组成 3 1．4本文内容安排 5 第二章图像预处理 ．6 2．1颜色空间的选择 6 2．2图像的去噪 7 2．3边缘检测 8 2．3．1梯度算子 9 2．3．2Roberts算子 ．10 2，3．3Prcwitt算子 ．．1l 2．3．4Sobd算子 ．1 1 2．4二值化操作 ．12 2．5形态学操作 ．13 2．6车牌定位 。15 2．7本章小结 ．17 第三章车标定位技术 19 3．1车标定位技术的技术难点 ．19 3．2车标定位方法 一19 3．2．1车标粗定位 。19 3．2．2车标精确定位 20 3．3本章小结 ．2l 第四章特征提取 22 n， 万方数据 目录4．1特征的定义 目录 4．1特征的定义 ．22 4．2常用的特征提取 ．．23 4．3匹配方法 ．．25 4．4特征变换 ．26 4．4．1尺度不变特征变换(SⅢT)匹配算法详解 ．26 4．4．2K．L变换进行特征提取 28 4．4．3PCA算法 29 4．5分类决策 ．3 l 4．5．1朴素贝叶斯分类的原理与流程 ．3l 4．5．2BP神经网络模型原理与流程 ．32 4．5．3SVM模型原理与流程 ．33 4．5．4最小距离分类器模型原理与流程 ．34 4．5．5Adaboost算法 。35 4．6本章小结 ．37 第五章车标识别 38 5．1基于车标匹配的车标识别算法 ．38 5．1．1建立车标库 ．38 5．1．2算法流程 ．．40 5．2AdaBoost中利用Haar特征进行车标识别算法 41 5．2．1Haar特征／矩形特征 41 5．2．2矩形特征个数 ．．43 5．2．3基于双阈值的增强型AdaBoost快速算法 44 5．3利用BP进行车标识别算法 ．．46 5．4车标定位应用的软件实现 ．49 5．5本章小结 ．50 第六章总结与展望 5l 6。1工作总结 ～5l 6．2展望 ．51 参考文献 53 致谢 57 V 万方数据 第一章绪论第一章绪论 第一章绪论 第一章绪论 1．1车标识别的研究背景和意义 社会的不断进步，机械水平的不断提高，人们对现代的日用设备需要也越来 越大，乡村往城市的迁移，这导致汽车的需求量不断增大，交通道路的管理系统 力度也将不断加大，人们需要的不仅仅是人力手段去管理车辆，比如公路上的交 警，写字楼，超市等停车场的保安，高速道路收费口的工作职员，更需要通过技 术手段去管理。智能交通系统的发明无疑为解决上面的难题提供了方便的手段， 它的进步性也是毋庸置疑的。通过计算机视觉来判断视频，图像，通过数据分析 来达到人们所需要的数据集，比如汽车的轮廓大