基于DSP和新神经网络模型的车牌识别系统
| 摘要 | 第1-3页 |
| Abstract | 第3-7页 |
| 第一章 前言 | 第7-11页 |
| ·课题背景 | 第7页 |
| ·车牌识别系统的国内外发展状况 | 第7-8页 |
| ·论文研究内容 | 第8-11页 |
| ·硬件平台 | 第8-9页 |
| ·图像处理和车牌识别算法 | 第9页 |
| ·软件设计 | 第9-11页 |
| 第二章 基于DSP的图像处理系统硬件平台 | 第11-25页 |
| ·DSP概述 | 第11-13页 |
| ·TMS320DM642芯片介绍 | 第13-18页 |
| ·TMS320DM642的CPU结构 | 第14页 |
| ·TMS320DM642的片上外设 | 第14-15页 |
| ·TMS320DM642的存储器映射 | 第15-18页 |
| ·车牌识别系统结构 | 第18-25页 |
| ·SEED—VPM642系统功能介绍 | 第18-19页 |
| ·视频接口 | 第19-22页 |
| ·视频解码器TVP5150PBS | 第19-21页 |
| ·视频编码器SAA7121H | 第21-22页 |
| ·以太网接口 | 第22-24页 |
| ·车牌识别系统的硬件结构 | 第24-25页 |
| 第三章 车牌图像的前期处理 | 第25-41页 |
| ·图像预处理 | 第25-29页 |
| ·彩色图像转换为灰度图像 | 第25-26页 |
| ·图像的平滑 | 第26-27页 |
| ·图像的灰度拉伸 | 第27-29页 |
| ·车牌区域定位和倾斜较正 | 第29-37页 |
| ·车牌基本情况的介绍 | 第29-30页 |
| ·车牌区域定位 | 第30-34页 |
| ·车牌图像的边缘检测 | 第30-32页 |
| ·车牌区域粗定位 | 第32-33页 |
| ·车牌区域精确定位 | 第33-34页 |
| ·车牌图像的二值化 | 第34-35页 |
| ·车牌区域的倾斜较正 | 第35-37页 |
| ·图像的Hough变换 | 第35-36页 |
| ·图像的旋转 | 第36-37页 |
| ·字符分隔 | 第37-38页 |
| ·字符归一化 | 第38-41页 |
| 第四章 字符的特征提取和识别算法研究 | 第41-55页 |
| ·字符识别的基本方法 | 第41-42页 |
| ·统计特征字符识别技术 | 第41页 |
| ·结构字符识别技术 | 第41-42页 |
| ·基于神经网络的识别技术 | 第42页 |
| ·字符的特征提取 | 第42-43页 |
| ·神经网络识别字符 | 第43-55页 |
| ·神经网络的基本知识 | 第43-47页 |
| ·神经网络的发展和应用 | 第43-44页 |
| ·神经元模型 | 第44-46页 |
| ·神经网络的拓扑结构 | 第46-47页 |
| ·通用前馈神经网络模型 | 第47-52页 |
| ·分层前馈神经网络模型介绍 | 第47-49页 |
| ·不分层通用前馈神经网络模型的拓扑结构 | 第49-50页 |
| ·一种排序学习前向掩蔽模型 | 第50-52页 |
| ·通用前馈神经网络模型用于字符训练和识别 | 第52-55页 |
| ·运用SLAM模型训练神经网络 | 第52页 |
| ·识别字符 | 第52-55页 |
| 第五章 车牌识别系统的软件实现 | 第55-63页 |
| ·神经网络训练介绍 | 第55-56页 |
| ·DSP软件设计 | 第56-63页 |
| ·CCS集成开发环境 | 第56-57页 |
| ·DSP系统软件实现 | 第57-60页 |
| ·系统优化 | 第60页 |
| ·软件编程中要注意的问题 | 第60-63页 |
| 第六章 总结 | 第63-65页 |
| ·论文的主要工作 | 第63页 |
| ·进一步工作展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读学位期间的研究成果 | 第69-71页 |
| 致谢 | 第71-73页 |
