运动模糊车牌自动识别算法研究与实现
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-17页 |
| ·课题的研究背景和意义 | 第11-12页 |
| ·车牌识别系统概述 | 第12-15页 |
| ·车牌自动识别系统原理概述 | 第12-13页 |
| ·车牌自动识别系统国内外发展现状 | 第13-15页 |
| ·相对运动较大的模糊车辆图像自动识别的新问题 | 第15页 |
| ·课题的主要研究内容 | 第15页 |
| ·课题的内容安排 | 第15-17页 |
| 第2章 运动模糊车辆图像恢复 | 第17-33页 |
| ·运动模糊图像退化模型 | 第17-19页 |
| ·连续退化模型 | 第18页 |
| ·离散退化模型 | 第18页 |
| ·匀速直线运动退化模型 | 第18-19页 |
| ·图像复原概述 | 第19-21页 |
| ·图像复原评价指标 | 第21-23页 |
| ·主观评价方法 | 第21-22页 |
| ·客观评价方法 | 第22-23页 |
| ·运动模糊图像模糊参数的估计 | 第23-30页 |
| ·运动模糊图像模糊角度估计 | 第23-28页 |
| ·运动模糊图像模糊长度估计 | 第28-30页 |
| ·基于维纳滤波的运动模糊图像复原 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 车牌的定位与字符分割 | 第33-48页 |
| ·图像预处理 | 第33-35页 |
| ·我国汽车标准牌照特征 | 第35页 |
| ·车牌图像定位与分割 | 第35-42页 |
| ·边缘提取 | 第36-37页 |
| ·形态学处理 | 第37-38页 |
| ·几何特征过滤 | 第38-39页 |
| ·颜色分析过滤 | 第39-41页 |
| ·车牌分割 | 第41-42页 |
| ·图像的倾斜校正 | 第42-43页 |
| ·车牌图像字符分割 | 第43-47页 |
| ·车牌字符二值化 | 第44页 |
| ·字符分割算法 | 第44-45页 |
| ·基于改进的垂直投影法的字符分割 | 第45-47页 |
| ·车牌字符归一化 | 第47页 |
| ·本章小结 | 第47-48页 |
| 第4章 基于BP神经网络的字符识别 | 第48-60页 |
| ·字符识别概况 | 第48-49页 |
| ·常用的字符识别方法 | 第49页 |
| ·基于BP神经网络的车牌字符识别算法 | 第49-59页 |
| ·BP神经网络的基本原理 | 第50-52页 |
| ·本论文中BP学习算法的选取 | 第52页 |
| ·特征的选取 | 第52-54页 |
| ·BP网络分类器的选择 | 第54页 |
| ·BP网络参数的设置 | 第54-56页 |
| ·BP网络的训练 | 第56-59页 |
| ·BP网络的字符识别 | 第59页 |
| ·本章小结 | 第59-60页 |
| 第5章 运动模糊车牌自动识别系统的实现 | 第60-70页 |
| ·LABVIEW开发平台介绍 | 第60页 |
| ·系统的整体框架 | 第60-61页 |
| ·系统主要环节的LABVIEW实现 | 第61-65页 |
| ·运动模糊车辆图像复原算法实现 | 第61-62页 |
| ·车牌定位与分割算法实现 | 第62-64页 |
| ·车牌字符分割算法实现 | 第64页 |
| ·车牌字符识别算法实现 | 第64-65页 |
| ·信息查询模块实现 | 第65页 |
| ·系统的测试及分析 | 第65-69页 |
| ·本章小结 | 第69-70页 |
| 总结与展望 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-77页 |
