牌照证件光学字符识别研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 课题来源 | 第8页 |
| 1.2 课题研究的背景和意义 | 第8-10页 |
| 1.3 国内外研究现状和文献简析 | 第10-11页 |
| 1.4 本文研究内容和各章节安排 | 第11-12页 |
| 1.5 本章小结 | 第12-13页 |
| 第2章 数字图像预处理 | 第13-22页 |
| 2.1 引言 | 第13页 |
| 2.2 SOBEL导数 | 第13-15页 |
| 2.3 平滑处理 | 第15-16页 |
| 2.4 膨胀腐蚀 | 第16-20页 |
| 2.5 字符串倾斜矫正 | 第20-21页 |
| 2.6 本章小结 | 第21-22页 |
| 第3章 文字信息提取 | 第22-45页 |
| 3.1 引言 | 第22页 |
| 3.2 基于车牌识别的文字信息提取 | 第22-32页 |
| 3.2.1 车牌识别问题分析 | 第22-23页 |
| 3.2.2 SVM支持向量机 | 第23-29页 |
| 3.2.2.1 SVM训练模型原理 | 第23-27页 |
| 3.2.2.2 SVM训练及结果分析 | 第27-29页 |
| 3.2.3 基于回返法的车牌图像分割 | 第29-32页 |
| 3.3 基于行驶证识别的文字信息提取 | 第32-43页 |
| 3.3.1 行驶证识别问题分析 | 第32-34页 |
| 3.3.2 红色印章定位法 | 第34-39页 |
| 3.3.3 下划线爆破与基于投影法的字符分割 | 第39-43页 |
| 3.4 本章小结 | 第43-45页 |
| 第4章 文字信息识别 | 第45-53页 |
| 4.1 引言 | 第45页 |
| 4.2 基于神经网络算法的字符识别 | 第45-49页 |
| 4.2.1 BP算法原理和MLP多层感知器模型 | 第46-48页 |
| 4.2.2 BP算法计算方法步骤 | 第48-49页 |
| 4.3 基于模板匹配算法的字符识别 | 第49-52页 |
| 4.3.1 基本模板匹配算法原理 | 第49-51页 |
| 4.3.2 基于行驶证识别的模板匹配算法改进 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第5章 系统实现与结果分析 | 第53-64页 |
| 5.1 引言 | 第53页 |
| 5.2 系统内容及要求 | 第53-57页 |
| 5.2.1 行驶证识别程序内容要求 | 第53-57页 |
| 5.2.2 车牌识别程序内容要求 | 第57页 |
| 5.3 字符识别结果 | 第57-60页 |
| 5.3.1 基于神经网络的车牌字符识别结果 | 第57-58页 |
| 5.3.2 基于模板匹配的行驶证字符识别结果 | 第58-60页 |
| 5.4 算法判别与比较分析 | 第60-62页 |
| 5.5 本章小结 | 第62-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第68-70页 |
| 致谢 | 第70页 |
