基于BP神经网络的车牌识别技术的研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 课题背景 | 第10页 |
| 1.2 国内外车牌识别的研究现状 | 第10-11页 |
| 1.3 我国汽车牌照的特殊性 | 第11-12页 |
| 1.4 车牌识别系统的广泛应用 | 第12页 |
| 1.5 本文的主要工作 | 第12-15页 |
| 第二章 图像的预处理 | 第15-25页 |
| 2.1 图像去雾及常用算法 | 第15-17页 |
| 2.2 基于暗原色的图像去雾 | 第17-19页 |
| 2.3 基于暗原色的图像去雾算法改进 | 第19-22页 |
| 2.3.1 改进算法的思想 | 第19-20页 |
| 2.3.2 改进算法的实现过程 | 第20页 |
| 2.3.3 改进算法的去雾结果及分析 | 第20-22页 |
| 2.4 预处理其他操作 | 第22-24页 |
| 2.4.1 图像灰度化 | 第22-23页 |
| 2.4.2 图像拉伸 | 第23页 |
| 2.4.3 图像滤波 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 车牌定位 | 第25-29页 |
| 3.1 车牌区域特征 | 第25-26页 |
| 3.2 本文车牌定位算法 | 第26-28页 |
| 3.2.1 基于行扫描的车牌水平定位 | 第26-27页 |
| 3.2.2 基于投影法的车牌垂直定位 | 第27-28页 |
| 3.3 本章小结 | 第28-29页 |
| 第四章 车牌字符分割 | 第29-36页 |
| 4.1 字符分割预处理 | 第29-33页 |
| 4.1.1 车牌底色统一 | 第29-30页 |
| 4.1.2 倾斜矫正 | 第30-31页 |
| 4.1.3 车牌边框的去除 | 第31-33页 |
| 4.2 车牌字符分割 | 第33-34页 |
| 4.3 字符归一化 | 第34-35页 |
| 4.4 本章小结 | 第35-36页 |
| 第五章 基于 BP 神经网络的车牌字符识别 | 第36-55页 |
| 5.1 字符识别技术概述 | 第36-39页 |
| 5.1.1 我国车牌字符的组成 | 第36-37页 |
| 5.1.2 字符识别的难点 | 第37-38页 |
| 5.1.3 字符识别的方法 | 第38-39页 |
| 5.2 BP 神经网络 | 第39-45页 |
| 5.2.1 人工神经网络的基本原理 | 第39-40页 |
| 5.2.2 BP 神经网络概述 | 第40-45页 |
| 5.3 基于 BP 神经网络的字符识别 | 第45-51页 |
| 5.3.1 字符特征提取 | 第45-47页 |
| 5.3.2 BP 神经网络的结构设计 | 第47-48页 |
| 5.3.3 BP 神经网络参数设置 | 第48-50页 |
| 5.3.4 设计的网络性能分析 | 第50-51页 |
| 5.4 实验结果及分析 | 第51-52页 |
| 5.5 BP 神经网络的不足与改进 | 第52-53页 |
| 5.6 本章小结 | 第53-55页 |
| 第六章 结论 | 第55-57页 |
| 6.1 结论 | 第55页 |
| 6.2 展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 攻读学位期间所取得的相关科研成果 | 第60-61页 |
| 致谢 | 第61-62页 |
