首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于图像处理的车牌识别系统的研究

中文摘要第1-3页
Abstract第3-8页
第一章 绪论第8-13页
   ·应用背景和研究意义第8页
   ·国内外研究现状第8-11页
     ·东方车辆牌照识别系统第9-10页
     ·杭州友通科技有限公司汽车牌照自动识别系统第10-11页
   ·本文研究的主要内容第11-13页
第二章 系统的组成及原理第13-21页
   ·系统简介第13页
   ·系统基本技术要求第13页
   ·系统基本工作原理第13-14页
   ·系统硬件组成第14页
   ·系统软件组成第14-17页
     ·收费模块第15页
     ·图像处理和识别模块第15-17页
   ·数据通信模块第17-21页
     ·数据通信的流程第17-19页
     ·分布式网络数据库技术第19页
     ·用户功能模块的划分原则第19-21页
第三章 车牌图像定位提取算法第21-30页
   ·引言第21页
   ·车牌图像定位提取研究现状第21-22页
   ·图像预处理第22-24页
     ·图像的格式转换第22-23页
     ·彩色图像到灰度图像的转换第23-24页
     ·图像反色第24页
   ·车牌图像定位算法第24-30页
     ·车牌定位第24-25页
     ·车牌区域的主要特征第25页
     ·车牌定位流程第25-26页
     ·传统的种子生长算法第26页
     ·基于灰色理论的改良种子定位算法第26-28页
     ·车牌区域的最后定位第28页
     ·去伪牌第28-30页
第四章 车牌图像预处理算法设计和分析第30-45页
   ·引言第30页
   ·图像增强第30-33页
     ·图像的灰度级修正第30-31页
     ·新的图像中噪声的去除方法第31-32页
     ·图像的低通滤波第32-33页
     ·图像的灰度拉伸第33页
   ·车牌图像的二值化第33-36页
     ·全局化阈值第34页
     ·自适应阈值第34-35页
     ·车牌图像在二值化时阈值的选择第35-36页
   ·车牌图像的开运算第36-38页
     ·车牌图像的腐蚀运算第37页
     ·车牌图像的膨胀运算第37-38页
   ·车牌的倾斜校正第38-45页
     ·车牌的倾斜类型第39-40页
     ·车牌图像的垂直校正第40-42页
     ·车牌图像的旋转校正第42-43页
     ·车牌图像的水平校正第43-45页
第五章 车牌字符切分算法分析第45-49页
   ·引言第45页
   ·字符切割研究现状第45-46页
   ·车牌上字符的基本特征第46页
   ·粗切割方法第46-47页
     ·车牌图像上字符的粗切割第46-47页
     ·去掉车牌图像上字符的多余空间第47页
   ·车牌图像上字符的其它切割方法第47-49页
第六章 车牌字符的识别算法分析第49-67页
   ·引言第49页
   ·字符识别研究现状第49页
   ·神经网络理论基础第49-52页
     ·神经网络概述第49-50页
     ·处理单元第50-51页
     ·神经网络的工作过程第51-52页
   ·车牌字符的归一化处理第52-53页
   ·汉字部分字符识别第53-56页
     ·支持矢量机基本原理第53-54页
     ·基于SVM的车牌汉字识别第54-55页
     ·实验结果与分析第55-56页
   ·车牌数字字母部分字符识别模块的组成第56页
   ·车牌字符的特征提取第56-57页
     ·逐像素特征提取法第56-57页
     ·骨架特征提取法第57页
     ·垂直方向数据统计特征提取法第57页
     ·13 特征提取方法第57页
     ·四种特征提取方向的比较第57页
   ·BP神经网络的基本结构第57-59页
   ·BP的学习算法(从数学的角度对BP网络的算法进行讨论).第59-62页
     ·正向传播过程(训练过程)第60页
     ·反向传播过程(权值的修正过程)第60-62页
   ·BP网络的训练过程(算法角度)第62-63页
   ·BP网络的参数确定第63页
   ·拓扑分析第63-64页
   ·实验样本的选择、处理和实验结果第64-67页
第七章 结束语与展望第67-69页
   ·论文小结第67页
   ·今后研究展望第67-69页
参考文献第69-72页
作者攻读学位期间发表的论文及参与的科研项目第72-73页
致 谢第73页

论文共74页,点击 下载论文
上一篇:计算机视觉技术在杂草识别中的应用
下一篇:尾水洞内热质交换数值模拟