Matlab环境下基于神经网络的车牌识别
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·课题的研究背景 | 第7-8页 |
| ·车牌识别的主要技术及发展 | 第8-10页 |
| ·IC 卡识别技术 | 第8-9页 |
| ·条形码识别技术 | 第9页 |
| ·图像处理技术 | 第9页 |
| ·传统模式识别技术 | 第9-10页 |
| ·人工神经网络技术 | 第10页 |
| ·国内外研究现状 | 第10-12页 |
| ·论文的主要工作 | 第12-15页 |
| 第二章 车牌图像的前期处理 | 第15-23页 |
| ·图像预处理 | 第15-21页 |
| ·图像的格式转换及尺寸归一化 | 第15页 |
| ·图像的灰度化 | 第15-16页 |
| ·图像的增强 | 第16-17页 |
| ·图像的二值化 | 第17-18页 |
| ·车牌图像背景色的统一 | 第18-19页 |
| ·图像的几何校正 | 第19-20页 |
| ·车牌上下边框和铆钉的去除 | 第20-21页 |
| ·车牌字符的分割 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 车牌图像的识别 | 第23-43页 |
| ·字符识别技术简介 | 第23-24页 |
| ·字符图像归一化 | 第24-25页 |
| ·字符特征提取 | 第25-29页 |
| ·字符特征提取介绍 | 第25-26页 |
| ·K-L 变换 | 第26-27页 |
| ·计算K-L 变换矩阵 | 第27-28页 |
| ·计算字符图像特征 | 第28-29页 |
| ·分类器的选择和设计 | 第29-30页 |
| ·分类器的选择 | 第29-30页 |
| ·分类器的设计 | 第30页 |
| ·基于BP 网络的二值化车牌图像识别 | 第30-40页 |
| ·神经网络理论介绍 | 第30-31页 |
| ·BP 神经网络的基本结构 | 第31-32页 |
| ·标准 BP 算法 | 第32-35页 |
| ·BP 网络的训练 | 第35-36页 |
| ·BP 网络参数选择 | 第36-37页 |
| ·BP 算法的缺点和改进 | 第37-38页 |
| ·设计 BP 神经网络 | 第38页 |
| ·与基于灰度车牌图像识别的比较 | 第38-40页 |
| ·本章小结 | 第40-43页 |
| 第四章 Matlab 环境下的编程实现 | 第43-63页 |
| ·Matlab 的神经网络工具介绍 | 第43页 |
| ·BP 神经网络的构建和初始化 | 第43-46页 |
| ·参数设定和训练网络 | 第46-48页 |
| ·字符识别 | 第48-61页 |
| ·算法思想 | 第48-49页 |
| ·汉字的识别 | 第49-56页 |
| ·数字和字母的识别 | 第56-61页 |
| ·本章小结 | 第61-63页 |
| 第五章 实验结果分析和算法改进 | 第63-75页 |
| ·实验结果分析 | 第63-64页 |
| ·改进一——增加隐含层 | 第64-69页 |
| ·改进二——修正识别结果 | 第69-70页 |
| ·改进三——二次识别 | 第70-73页 |
| ·算法改进效果 | 第73-74页 |
| ·本章小结 | 第74-75页 |
| 第六章 结论与展望 | 第75-77页 |
| 致谢 | 第77-79页 |
| 参考文献 | 第79-82页 |
