搜索
华中科技大学硕士学位论文计算机视觉和模式识别在车牌识别中的应用姓名：沈世旻申请学位级别：硕士专业：控制理论与控制工程指导教师：盛翊智20040510计算机视觉和模式识别在车牌识别中的应用作者：沈世旻学位授予单位：华中科技大学参考文献(44条)1.参考文献2.何斌.马天予.王运坚.朱红莲VisualC++数字图像处理20013.沈庭芝.方子文数字图像处理及模式识别19984.周煦潼.施鹏飞快速HLS彩色空间变换方法1998(09)5.章毓晋图像工程,下册,图像理解与计算机视觉20006.高文.陈熙霖计算机视觉--算法与系统原理20007.边肇祺.张学工模式识别20008.郑南宁计算机视觉与模式识别19989.黄同岗.宋克欧模式识别199810.殷勤业.杨宗凯.谈正模式识别与神经网络199211.郭桂蓉模糊模式识别199212.袁宝民.于万波.魏小鹏汽车牌照定位研究综述[期刊论文]-大连大学学报2002(2)13.JBarroso.ARAFAELNumberplatereadingusingcomputervision199714.RPARISICarPlateRecognitionbyNeuralNetworksandImageProcessing199815.CHARLCOETZEEPCBasedNumberPlateRecognitionSystems199816.STORERR.MILFORDDJ.BULASCRUZJ.DAGLESSELDevelopingEmbeddedApplicationinanarrayofSpecialisedTransputerModules199417.TALIA.JBULASCRUZ.ELDAGLESSVisionBasedRoadTrafficDataCollection199318.MRAUS.LKREFTReadingcarlicenseplatesbytheuseofartificialneuralnetworks199519.荣观澳计算机图像处理200020.胡守仁神经网络技术应用199821.沈清.胡德文.时春神经网络应用技术199822.叶东毅BP网络的一个非单调学习算法[期刊论文]-模式识别与人工智能1997(3)23.焦李成神经网络系统理论199024.邓志东.孙增圻利用线性再励的自适应变步长快速BP算法1993(06)25.BarmannF.BieglerKonigFOnaclassofefficientleamingalgorithmforneuralnetworks199226.张铃.张钹神经网络中BP算法的分析1994(07)27.KRCastleman.朱志刚数字图像处理200028.章毓晋图像分割200129.StricklandRN.McDonnellWFLuminanceHue,andsaturationprocessingofdigitalcolorimage199630.KapurJN.SahooPK.WongAKCANewMethodforGray-LevelPictureThresholdingUsingtheEntropyoftheHistogram198531.TouzaniA.PostaireJGModeDetectionbyRelaxation198832.张佩芬.李伟.杨力.王俊混合模式识别系统研究[期刊论文]-信息与控制1997(2)33.林纯青.徐立亚.戚飞虎汽车图象中字符目标的提取算法[期刊论文]-上海交通大学学报1998(10)34.NewmanTS.JainAKAsurveyofautomatedvisualinspection199535.RMHaralick.LGShapiroSurvey:ImageSegmentation198536.MundyJ.NobleA.MarinosCAnobjectorientedapproachtotemplateguidedvisualinspection199237.沈定刚汽车牌照自动定位算法[期刊论文]-无线电通信技术1995(5)38.郭勇.吴乐南行驶车辆的牌照识别系统[期刊论文]-电子工程师2000(11)39.刘效静.成瑜汽车牌照自动识别技术研究1998(05)40.FlynnPJ.JainAKCADbasedcomputervision:fromCADmodelstorelationalgraphs199141.ChenJMVisionbasedshaperecognitionandanalysisofmachinedparts199542.WuWenYen.WangMaoJiun.LuiChiMingAutomatedinspectionofprintedcircuitboardsthroughmachinevision1996(02)43.LapedesA.FarberRNonlinearsignalprocessingusingneuralnetworks.predictionandsystemmodeling[TechRep.LAUR872662,LosAlamos:LosAlamosNationalLaboratory]198744.LimYW.LeeSUOnthecolorimagesegmentationalgorithmbasedonthethresholdingandfuzzyC-meanstechniques1990相似文献(10条)1.学位论文张洪波模式识别及其在计算机视觉中的实现2009模式识别作为信息科学和人工智能的重要组成部分，在现实生活中得到了广泛的应用。在模式识别领域中，支持向量机能非常成功地处理回归问题和模式识别等问题，本文研究的主要内容是如何将模式识别中的支持向量机应用到计算机视觉中去，最后实现该应用系统。本文以人机对弈系统中的棋子识别为目标，综合利用了图像处理、计算机接口、软件编程和模式识别技术。以棋子径向像素点数为特征向量，通过支持向量机对棋子分类识别，克服了无法识别棋子位置不正的情况，取得了很好的识别效果。本文首先研究了Hough变换和支持向量机的理论算法，主要包括Hough变换对圆的检测改进和支持向量机的原理和处理步骤。然后开始棋子的识别过程：(1)图像采集时产生的几何畸变影响了识别的精度和速度，本文从理论和试验两方面找到了适合本文的分区畸变校正算法，使采集的图像效果大为改观(2)由于棋子红色和黑色棋子存在部分共同的汉字，需要对红色棋子和黑色棋子分别采用不同策略的图像分割(3)在对棋子图像用网格定位的基础上，通过Hough变换对圆的检测原理在网格附近对棋子坐标精确定位(4)用支持向量机对所有棋子识别。最后实现系统的构建。通过系统实践证明，用支持向量机能够完全正确的识别棋子，可以满足系统要求。另外，本文也为支持向量机实现其他的计算机视觉提供了参考。2.学位论文马大国原木表面节子的计算机视觉检测技术的研究2002该文首先对计算机视觉检测技术进行了概述,然后较为深入的阐述了图象处理和模式识别等技术,对现有的木材缺陷检测的主要方法进行了总结评述,阐明了目前视觉检测技术在木材加工中的应用及发展水平;该文运用微软公司的VisualC++6.0作为开发工具.这些都为该系统的设计做好了技术准备.针对该文的研究对象节子的特殊性,该文在节子的图象处理和模式识别过程中都提出了适合于该实验的新的技术和方法.通过对实验结果的分析,该文成功的设计了原木表面节子的计算机视觉检测系统,详细论证了系统检测原理,编制了系统软件,证明了系统设计的可行性和合理性.原木表面节子的计算机视觉检测系统的设计是合理的,具有坚实的理论基础和可行性.该文的研究成果将为原木的自动分等系统的建立奠定了基础.3.会议论文田涌涛.洪锡军.王有庆.李从心计算机视觉在先进制造技术中的应用2001先进制造技术是适应信息时代的发展而产生的新型制造技术的总称.计算机视觉技术是在图像处理及模式识别的基础上发展起来的高新技术,它在先进制造技术中的应用极具潜力.本文在对二者的一般含义及关键技术进行阐述的基础上,讨论了计算机视觉在先进制造技术中的典型应用,并对二者的进一步结合作了展望.4.学位论文胡春华无土栽培黄瓜营养元素亏缺的计算机视觉诊断方法研究2004以计算机视觉技术为重要技术手段，综合运用图像处理、植物生理学、色度学、模式识别等方面的知识，以无土栽培黄瓜为研究对象，先后完成了两次相同的实验，培育出了表现症状基本相同的三种缺素样本即缺氮、缺镁与缺铁样本和正常样本，利用CCD摄像头对样本进行采集。利用计算机视觉技术进行作物缺素的诊断研究，主要内容有：(1)提出了最大类间方差域值法分割叶片与背景，据此域值对各样本进行了边框裁剪。比较了不同窗口的中值滤波方法对各样本进行去噪处理，结果证明3×3的中值滤波方法滤波效果较好。(2)利用几种常见的色度学系统即RGB颜色系统、Ohta颜色系统和HSV颜色系统对各样本进行颜色特征分析。根据作物缺素时表现的症状，提出了利用叶片绿体灰度值即G的灰度值与R和B的比值的数字统计特征来分析各样本的颜色特征；用不需去除背景的颜色系统(Ohta颜色系统)来对各样本进行颜色分析，检验最大类间方差法去除背景后是否影响颜色特征的提取，结果证明经最大类间方差法去除背景后不影响颜色特征的提取：利用HSV系统，确定出各样本的H色调值。分析了提取样本的纹理特征的几种方法即灰度共生矩阵法、边缘灰度直方图法和不完全树小波分解法。提出了用不同方向(0°，45°，90°，135°)的灰度共生矩阵特征值的均值和方差来提取样本的纹理特征的方法，这种方法消除了由叶片采集时的方向的差异而引起的纹理差异；提出了边缘直方图法来分析正常样本与缺素样本纹理特征，验证了最大类间方差法去除背景后不影响纹理特征的提取；在频域中根据人眼视觉特征，采用不完全树小波包分解法分析了各样本的纹理特征，这种方法比完全树小波包分解法要简洁，比金字塔法分析纹理特征要全面。据模式识别特征选择原则选取了较明显的颜色特征与纹理特征作为模式识别特征矢量。(3)建立了各样本颜色特征与纹理特征随时间变化的关系；用化学分析方法对各样本中氮、镁、铁的含量进行了分析，建立了缺素样本相应元素含量随缺素时间变化的关系；建立了缺素样本颜色特征与纹理特征随所缺元素与正常样本相应元素的百分含量关系图。本研究通过化学分析方法验证了培育的缺素样本的正确性，验证了缺素样本对应的纹理特征与颜色特征的正确性。(4)利用模糊神经网络建立了黄瓜老叶识别分类器和幼叶识别分类器，利用模糊K一近邻法对考试样本进行了检验，结果证明，神经网络识别的正确率几乎与经典的统计算法识别结果一样。本研究为进一步开发具有商业价值的作物缺素判别系统提供了必要的理论依据和技术基础，对缩小我国在农业信息自动化领域与发达国家的差距，促进计算机图像处理技术在我国农业工程领域的应有具有一定的意义。5.学位论文张建恩基于计算机视觉的玻璃瓶缺陷检测系统2005在现代社会里，产品的生产从生产规模、生产速度到产品质量都有了很大的提高。这种生产要求的提高已经给传统的人工检测方法带来挑战,在一般情况下，人工检测方法已经无法胜任了。另一方面，随着科学技术的不断发展，特别是计算机技术的发展，出现了计算机视觉检测技术。利用这种新技术设计出来的系统不受恶劣环境和主观因素的影响，能快速、准确地检测产品，完成人工无法完成的检测任务，是现代化生产中不可缺少的工具。计算机视觉检测是计算机图像处理和模式识别理论结合发展的一种产物，它综合了计算机技术、数据结构、图像处理，模式识别和软件工程等不同领域的相关知识。作者以玻璃瓶缺陷检测为应用背景，利用计算机视觉技术，致力于研制一套性价比高的检测系统。本文详细地介绍了图像处理技术——图像滤波技术和图像分割技术，改进了传统的中值滤波算法，对各种图像分割技术进行了分析和比较，从而得出适用于本系统的图像分割方法，为缺陷的提取和分析打下基础。论文分析了各种模式识别方法，提出了玻璃瓶缺陷检测的具体方