车牌字符识别算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题研究的背景和意义 | 第10-11页 |
| 1.2 车牌识别的国内外研究现状 | 第11-12页 |
| 1.3 中国汽车牌照的特征 | 第12-14页 |
| 1.4 本文主要研究内容 | 第14-15页 |
| 第2章 自适应形态学车牌定位方法 | 第15-35页 |
| 2.1 常用车牌定位算法 | 第15-16页 |
| 2.2 车牌图像预处理 | 第16-28页 |
| 2.2.1 图像灰度化 | 第16-17页 |
| 2.2.2 车牌图像增强 | 第17-21页 |
| 2.2.3 二值化 | 第21-24页 |
| 2.2.4 车牌图像边缘检测 | 第24-28页 |
| 2.3 基于自适应的形态学定位算法 | 第28-30页 |
| 2.3.1 数学形态学算法基本原理 | 第28-29页 |
| 2.3.2 自适应算法简介 | 第29页 |
| 2.3.3 构造自适应形态学的结构元素 | 第29-30页 |
| 2.4 自适应形态学车牌定位算法 | 第30-32页 |
| 2.5 定位实验结果与分析 | 第32-34页 |
| 2.5.1 定位率测试 | 第32页 |
| 2.5.2 算法鲁棒性测试及分析 | 第32-34页 |
| 2.6 本章小结 | 第34-35页 |
| 第3章 基于投影及分隔符特点的字符分割 | 第35-46页 |
| 3.1 车牌倾斜校正研究 | 第35-39页 |
| 3.1.1 车牌的倾斜方式 | 第35-36页 |
| 3.1.2 车牌水平倾斜校正及字符上下背景去除 | 第36-38页 |
| 3.1.3 车牌垂直倾斜校正及字符左右背景去除 | 第38-39页 |
| 3.2 车牌字符分割 | 第39-43页 |
| 3.2.1 车牌字符分割常用算法 | 第39-40页 |
| 3.2.2 基于投影与分隔符特点的车牌分割方法 | 第40-43页 |
| 3.3 车牌字符归一化 | 第43-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第4章 基于遗传的BP网络字符识别算法研究 | 第46-63页 |
| 4.1 车牌字符特征提取 | 第46-47页 |
| 4.2 遗传算法基本原理 | 第47-48页 |
| 4.3 BP神经网络基本原理 | 第48-54页 |
| 4.3.1 BP神经网络结构 | 第48-51页 |
| 4.3.2 针对标准BP神经网络的常用改进算法 | 第51-54页 |
| 4.4 基于遗传算法改进的BP网络算法研究 | 第54-57页 |
| 4.5 基于遗传算法改进的BP网络字符识别 | 第57-62页 |
| 4.5.1 构建GA改进后的BP神经网络 | 第58-59页 |
| 4.5.2 训练GA改进的BP网络 | 第59-60页 |
| 4.5.3 识别效果与分析 | 第60-62页 |
| 4.6 本章小结 | 第62-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 攻读硕士期间发表的论文 | 第67-68页 |
| 致谢 | 第68页 |
