车牌汉字识别技术的研究与实现
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-12页 |
| ·课题的背景与研究意义 | 第8-10页 |
| ·智能交通系统的发展 | 第8页 |
| ·车牌识别技术在ITS中的应用 | 第8-9页 |
| ·车牌识别技术存在的问题 | 第9-10页 |
| ·论文的研究内容及主要工作 | 第10-11页 |
| ·论文的结构 | 第11-12页 |
| 第二章 车牌汉字识别方法的研究状况 | 第12-25页 |
| ·引言 | 第12-13页 |
| ·车牌图像预处理技术 | 第13-15页 |
| ·车牌定位 | 第13-14页 |
| ·字符分割 | 第14-15页 |
| ·字符归一化 | 第15页 |
| ·车牌汉字特征提取方法 | 第15-19页 |
| ·基于结构特征的特征提取 | 第16-17页 |
| ·基于统计特征的特征提取 | 第17-18页 |
| ·结构方法和统计方法的比较 | 第18-19页 |
| ·车牌汉字识别技术 | 第19-24页 |
| ·模板匹配 | 第19-20页 |
| ·贝叶斯(Bayes)分类器 | 第20-21页 |
| ·基于PCA学习子空间算法的汉字识别 | 第21页 |
| ·隐马尔可夫模型(HMM) | 第21-22页 |
| ·人工神经网络 | 第22-23页 |
| ·支持向量机 | 第23-24页 |
| ·小结 | 第24-25页 |
| 第三章 车牌图像的预处理 | 第25-33页 |
| ·概述 | 第25页 |
| ·车牌子区域自动定位 | 第25-29页 |
| ·牌照区域粗定位 | 第25-27页 |
| ·牌照区域细定位 | 第27-29页 |
| ·车牌字符分割 | 第29-30页 |
| ·汉字字符图像的灰度归一化 | 第30-31页 |
| ·汉字字符图像的尺寸归一化 | 第31-32页 |
| ·小结 | 第32-33页 |
| 第四章 基于优化的Gabor滤波器组的特征提取 | 第33-42页 |
| ·概述 | 第33页 |
| ·Gabor小波变换 | 第33-35页 |
| ·二维Gabor核函数 | 第34页 |
| ·Gabor小波滤波器 | 第34-35页 |
| ·优化滤波器的设计与特征提取算法 | 第35-41页 |
| ·Gabor滤波器参数优化设计 | 第35-39页 |
| ·Gabor特征提取 | 第39-40页 |
| ·实验结果 | 第40-41页 |
| ·小结 | 第41-42页 |
| 第五章 基于改进的BP网络车牌汉字识别 | 第42-61页 |
| ·BP神经网络基本算法 | 第42-48页 |
| ·含隐层的前馈网络的δ法则 | 第43-45页 |
| ·Sigmoid激发函数下的BP算法 | 第45-48页 |
| ·基于BP神经网络的车牌汉字识别 | 第48-54页 |
| ·网络结构设计 | 第48-51页 |
| ·网络训练与学习 | 第51-53页 |
| ·网络存在的问题 | 第53-54页 |
| ·基于改进的BP网络的车牌汉字识别 | 第54-59页 |
| ·引入动量项法 | 第54-55页 |
| ·引入自适应学习率法 | 第55-56页 |
| ·综合法改进网络性能 | 第56-57页 |
| ·算法实现 | 第57-59页 |
| ·模板匹配与BP神经网络识别性能比较 | 第59-60页 |
| ·小结 | 第60-61页 |
| 第六章 车牌汉字识别原型子系统的设计与实现 | 第61-68页 |
| ·车牌汉字识别原型子系统简介 | 第61-67页 |
| ·车牌汉字样本训练模块 | 第61-62页 |
| ·车牌汉字识别模块 | 第62-67页 |
| ·小结 | 第67-68页 |
| 第七章 结束语 | 第68-70页 |
| ·工作总结 | 第68-69页 |
| ·展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
| 在读学位期间发表的论文 | 第75页 |
