基于神经网络的车牌自动识别系统研究
| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题的研究背景 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·车牌研究的技术特色 | 第13-14页 |
| ·论文的主要工作 | 第14-16页 |
| 第2章 图像的预处理 | 第16-34页 |
| ·图像的灰度化 | 第16-17页 |
| ·图像增强 | 第17-22页 |
| ·对比度增强 | 第17-18页 |
| ·直方图均化 | 第18-19页 |
| ·图像的滤波 | 第19-22页 |
| ·图像的二值化 | 第22-26页 |
| ·二值化方法介绍 | 第23-25页 |
| ·本文提出的二值化方法 | 第25-26页 |
| ·车牌图像背景色的统一 | 第26-27页 |
| ·图像的倾斜校正 | 第27-30页 |
| ·牌照上下边框和铆钉的去除 | 第30-31页 |
| ·车牌上下边框的去除 | 第30页 |
| ·车牌铆钉的去除 | 第30-31页 |
| ·方法探讨 | 第31-34页 |
| 第3章 车牌字符的分割 | 第34-39页 |
| ·图像的分割 | 第34-35页 |
| ·灰度门限法 | 第34-35页 |
| ·灰度门限的确定 | 第35页 |
| ·车牌分割简介 | 第35-36页 |
| ·本文采用的字符分割算法 | 第36-39页 |
| 第4章 车牌字符的识别 | 第39-49页 |
| ·字符识别的方法简介 | 第39-40页 |
| ·使用BP神经网络的字符识别 | 第40-47页 |
| ·BP神经网络的基本结构 | 第40-41页 |
| ·标准BP学习算法 | 第41-43页 |
| ·BP网络算法 | 第43-44页 |
| ·网络参数选择 | 第44-45页 |
| ·BP神经网络算法的改进 | 第45-47页 |
| ·BP算法的不足 | 第45-46页 |
| ·BP算法的改进 | 第46-47页 |
| ·本系统神经网络的结构和设计 | 第47-49页 |
| ·实验样本的选择 | 第47页 |
| ·本系统神经网络的结构 | 第47-49页 |
| 第5章 车牌识别系统的研制 | 第49-54页 |
| ·系统的设计原则 | 第49-50页 |
| ·系统的结构和功能 | 第50-51页 |
| ·车牌识别系统的组成 | 第51页 |
| ·系统的硬件环境 | 第51页 |
| ·系统的软件环境 | 第51页 |
| ·实验结果与分析 | 第51-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 附录A(攻读学位期间发表的学术论文) | 第60页 |
