基于改进的LM-BP神经网络的车牌识别算法研究与应用
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 本文的主要内容 | 第13页 |
| 1.4 本文的章节安排 | 第13-15页 |
| 第二章 车牌识别系统研究 | 第15-22页 |
| 2.1 车牌特征 | 第15-20页 |
| 2.1.1 国内车牌的标准 | 第15-19页 |
| 2.1.2 国内车牌的特征 | 第19-20页 |
| 2.2 系统概述 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第三章 车牌定位算法研究 | 第22-33页 |
| 3.1 车牌图像预处理 | 第22-23页 |
| 3.2 倾斜车牌图像的校正 | 第23-27页 |
| 3.2.1 车牌区域的边缘检测 | 第23-25页 |
| 3.2.2 确定车牌的倾斜角度 | 第25-26页 |
| 3.2.3 车牌图像的旋转 | 第26-27页 |
| 3.3 车牌图像的二值化算法 | 第27-32页 |
| 3.3.1 固定阈值的二值化方法 | 第28页 |
| 3.3.2 基于Otsu算法的二值化方法 | 第28-29页 |
| 3.3.3 本文的二值化法 | 第29-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 车牌字符分割算法研究 | 第33-37页 |
| 4.1 常用的几种字符分割方法 | 第33-34页 |
| 4.1.1 基于垂直投影法的字符分割方法 | 第33页 |
| 4.1.2 基于聚类分析的车牌字符分割方法 | 第33-34页 |
| 4.1.3 基于轮廓提取的字符分割方法 | 第34页 |
| 4.2 本文的车牌字符分割算法 | 第34-36页 |
| 4.3 本章小结 | 第36-37页 |
| 第五章 车牌字符识别算法研究 | 第37-49页 |
| 5.1 字符识别方法 | 第37-39页 |
| 5.1.1 模板匹配法 | 第37-38页 |
| 5.1.2 神经网络法 | 第38-39页 |
| 5.1.3 基于特征的字符识别方法 | 第39页 |
| 5.2 本文的车牌识别算法 | 第39-44页 |
| 5.2.1 BP神经网络算法 | 第41-42页 |
| 5.2.2 LM-BP算法 | 第42-43页 |
| 5.2.3 神经网络结构 | 第43-44页 |
| 5.3 实验结果 | 第44-47页 |
| 5.3.1 样本选取和处理 | 第44页 |
| 5.3.2 实验分析和对比 | 第44-47页 |
| 5.4 本章小结 | 第47-49页 |
| 总结和展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 攻读硕士学位期间发表的论文 | 第55-59页 |
| 致谢 | 第59页 |
