张琳，1975年生，内蒙古人，毕业于北京理工大学，计算机软件与理论硕士，现执教于北京建筑工程学院计算机系。多年来一直从事操作系统、软件工程和图像处理领域的研究和教学工作，曾主持了多项相关领域的研究课题，多篇论文被EI检索，主编、参编和翻译了多部教材和著作。

　　车辆识别和车型识别是车辆识别的两个主要任务。《基于小波变换的车辆识别系统研究》在简要介绍小波变换、BP神经网络等基本概念和基本理论的基础上，全面、系统地研究了小波变换技术在车辆识别系统中的应用，为多种车辆的识别提供了解决思路。
　　《基于小波变换的车辆识别系统研究》在强调基础理论的同时，着重反映了小波变换技术在车辆识别领域的最新研究成果。《基于小波变换的车辆识别系统研究》注重实效、深入浅出，对每个具体问题不仅提供了翔实的理论依据，而且还辅以大量的真实数据。通过《基于小波变换的车辆识别系统研究》的学习，读者可以对小波变换技术在车辆识别系统中的应用有深入的认识和了解。
　　《基于小波变换的车辆识别系统研究》适合从事图形图像处理等领域的科研工作者使用，也可作为高等院校相关专业师生的参考用书。

　　2.3.3基于小波变换的阈值化去噪新方法
　　传统的去噪方法是将被噪声干扰的信号通过一个滤波器，滤掉噪声频率成分，但对于脉冲信号、白噪声、非平衡过程信号等，传统方法存在一定局限性，对这类信号，在低信噪比情况下，经过滤波器处理，不仅信噪比得不到较大改善，而且信号的位置信息也被模糊掉了。基于小波变换的去噪方法利用小波变换中的变尺度特性对确定信号具有一种“集中”的能力。如果一个信号的能量集中于小波变换域少数系数上，那么对这些系数的取值必然大于在小波变换域内能量分散于大量小波系数上的信号或噪声的小波系数值。在这里，如何对小波变换域的系数进行筛选（或称为操纵）是小波阈值化去噪的关键步骤，小波系数筛选又主要依赖于阈值化阈值（门限）的选取，下面就这两个问题进行讨论。
　　1.阈值化
　　在小波系数进行取舍之前，实际上按着一定准则（或者阈值化）将小波系数划分成两类：一类是重要的、规则的小波系数；另一类被看作是非重要的或者受噪声干扰较大的小波系数。

前言
第1章 绪论
1.1 引言
1.2 图像分割及边缘提取
1.2.1 基于区域的分割
1.2.2 基于边缘的分割
1.3 图像特征提取
1.4 本书的研究背景
1.5 国内外研究现状
1.6 该领域内亟待解决的问题
1.6.1 车辆特征识别存在的问题
1.6.2 小波技术应用于车辆识别的问题
1.7 本章小结

第2章 基于小波的多分辨率分析及抗干扰技术研究
2.1 小波变换及算法实现
2.1.1 小波变换的产生与应用
2.1.2 小波变换和傅立叶变换
2.2 基于小波的多分辨分析
2.3 基于小波的图像去噪技术
2.3.1 图像抗干扰的传统方法
2.3.2 信号局部奇异性的小波刻画
2.3.3 基于小波变换的阈值化去噪新方法
2.3.4 多通道阈值去噪方法
2.3.5 在小波域中的统计模型分析
2.3.6 图像去噪的实现及其结果分析
2.4 本章小结

第3章 面向车辆识别的神经网络研究
3.1 神经网络模型选取
3.2 基于多分辨率的BP网络模型的设计
3.2.1 多分辨率训练算法
3.2.2 相似字符
3.3 输入层、隐含层和输出层节点数的确定
3.4 BP算法改进及效果
3.5 本章小结

第4章 基于小波的边缘检测及分割算法
4.1 传统边缘检测算子
4.1.1 罗伯特交叉算子
4.1.2 蒲瑞维特边缘算子
4.1.3 索贝尔边缘算子
4.1.4 拉普拉斯算子
4.2 基于小波变换的边缘检测
4.2.1 小波多尺度分析
4.2.2 小波多尺度分析性质
4.2.3 基于模极大值的多尺度车辆边缘检测
4.2.4 基于小波的多尺度边缘检测算法
4.2.5 基于二进小波的车辆边缘提取
4.2.6 基于小波变换的边缘检测
4.2.7 减运算
4.3 基于小波变换的图像分割算法
4.3.1 图像分割方法概述
4.3.2 LLT快速分割算法
4.3.3 改进的基于车牌分割的LLT算法
4.3.4 基于边缘检测的分割
4.3.5 基于区域的分割
4.3.6 多尺度分割
4.3.7 基于小波变换的阈值法分割
4.4 本章小结

第5章 基于图像处理的车型识别
5.1 车型识别的系统
5.2 车型噪声的去除
5.2.1 邻域平均法
5.2.2 中值滤波
5.2.3 空间低通滤波
5.3 基于数学形态学的车型识别技术
5.3.1 二值形态学
5.3.2 灰度数学形态学
5.4 基于矩不变量的车型识别技术
5.4.1 矩的概念和分类
5.4.2 矩的物理意义
5.4.3 矩的有关变换与性质
5.4.4 用于车型识别的矩不变量
5.5 车辆特征值的选取方法
5.6 车型实验结果
5.7 本章小结

第6章 基于图像的车牌识别
6.1 牌照定位算法
6.1.1 牌照的初定位算法
6.1.2 牌照候选队列生成算法
6.1.3 牌照候选队列筛选算法
6.1.4 牌照候选队列的筛选
6.2 牌照颜色模式的判定及字符分割算法
6.2.1 牌照颜色模式的判定
6.2.2 牌照倾斜角度检测算法
6.2.3 字符分割
6.3 字符识别算法
6.3.1 字符图像预处理
6.3.2 多分辨率举手表决计算及模板匹配法
6.3.3 改进的穿线法
6.3.4 拓扑结构识别法
6.3.5 车牌汉字轮廓特征识别算法
6.4 细化算法
6.4.1 中轴转换法
6.4.2 剥皮法
6.4.3 吹气球法
6.4.4 典型的细化问题
6.4.5 基于区域分解的细化算法
6.5 车牌实验结果及结论
6.6 本章小结
参考文献