基于神经网络的车牌识别技术研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| ·车牌识别技术研究的目的与意义 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·车牌识别系统的构成 | 第10页 |
| ·我国汽车牌照的特殊性 | 第10-11页 |
| ·本文的主要工作 | 第11-13页 |
| 第二章 车牌的定位 | 第13-22页 |
| ·常用车牌定位方法 | 第13-14页 |
| ·基于颜色特征和灰度特征的车牌定位 | 第14-20页 |
| ·HIS颜色空间 | 第14-16页 |
| ·图像的边缘检测 | 第16-19页 |
| ·基于灰度特征的车牌定位 | 第19-20页 |
| ·本章小结 | 第20-22页 |
| 第三章 车牌识别中常用的图像处理技术 | 第22-29页 |
| ·图像的灰度处理 | 第22-23页 |
| ·图像的二值化 | 第23-25页 |
| ·中值滤波 | 第25-27页 |
| ·数学形态学处理 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第四章 车牌字符的分割 | 第29-38页 |
| ·车牌图像倾斜校正 | 第29-32页 |
| ·常用的倾斜校正方法 | 第29-31页 |
| ·基于字符水平方向特征的倾斜校正法 | 第31-32页 |
| ·车牌边框的去除 | 第32-33页 |
| ·去除上下边框 | 第33页 |
| ·去除左右边框 | 第33页 |
| ·车牌字符的分割 | 第33-37页 |
| ·投影法 | 第33-34页 |
| ·模板匹配法 | 第34页 |
| ·聚类分析法 | 第34-35页 |
| ·基于投影法和车牌先验知识的字符分割 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第五章 车牌字符的识别 | 第38-63页 |
| ·字符识别结构方法 | 第38-39页 |
| ·基于骨架的结构方法 | 第38-39页 |
| ·基于轮廓的结构方法 | 第39页 |
| ·基于局部图像的结构方法 | 第39页 |
| ·字符识别的统计方法特征提取 | 第39-41页 |
| ·全局统计特征 | 第40页 |
| ·局部统计特征 | 第40-41页 |
| ·字符特征提取方法 | 第41-43页 |
| ·粗网格特征 | 第42页 |
| ·字符扫描特征 | 第42-43页 |
| ·字符归一化处理 | 第43-44页 |
| ·位置归一化 | 第43-44页 |
| ·大小归一化 | 第44页 |
| ·车牌字符识别的常用方法 | 第44-46页 |
| ·人工神经网络简介 | 第46-49页 |
| ·BP神经网络结构 | 第49-56页 |
| ·BP网络结构模型 | 第49-50页 |
| ·BP网络学习算法 | 第50-53页 |
| ·改进的BP网络学习算法 | 第53-55页 |
| ·BP网络学习过程 | 第55-56页 |
| ·BP神经网络结构和设计 | 第56-59页 |
| ·激活函数的选取 | 第57页 |
| ·网络的层数 | 第57-58页 |
| ·输入层与输出层神经元个数 | 第58页 |
| ·隐含层神经元的个数 | 第58-59页 |
| ·网络的参数设置 | 第59页 |
| ·实验结果及其分析 | 第59-62页 |
| ·本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| ·总结 | 第63页 |
| ·展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 作者在硕士研究生期间发表论文情况 | 第70页 |
