车牌识别系统设计与实现
| 中文摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 图表索引 | 第6-11页 |
| 第一章 绪论 | 第11-22页 |
| ·引言 | 第11页 |
| ·研究背景及意义 | 第11-12页 |
| ·车牌识别概述 | 第12-20页 |
| ·典型的汽车牌照识别系统 | 第12-16页 |
| ·汽车牌照识别系统的发展 | 第16-18页 |
| ·国内外研究现状 | 第18-20页 |
| ·论文研究内容 | 第20-21页 |
| ·论文结构 | 第21-22页 |
| 第二章 车牌识别系统相关理论 | 第22-37页 |
| ·概述 | 第22页 |
| ·灰度转换 | 第22-23页 |
| ·彩色图像灰度化 | 第22-23页 |
| ·灰度拉伸 | 第23页 |
| ·图像增强 | 第23-26页 |
| ·图像平滑 | 第24-25页 |
| ·中值滤波 | 第25页 |
| ·直方图均衡 | 第25-26页 |
| ·边缘检测 | 第26-28页 |
| ·卡尔曼滤波 | 第28-33页 |
| ·一维卡尔曼滤波的基本概念 | 第28-30页 |
| ·一维卡尔曼滤波用于二维图像处理 | 第30-32页 |
| ·卡尔曼滤波的影响 | 第32-33页 |
| ·二值化 | 第33-37页 |
| 第三章 基于数学形态学的车牌定位方法 | 第37-48页 |
| ·车牌字符的特点及常用定位方法 | 第37页 |
| ·数学形态学的基本原理 | 第37-43页 |
| ·基本概念 | 第38-39页 |
| ·形态学的基本运算 | 第39-43页 |
| ·基于数学形态学的车牌定位方法 | 第43-45页 |
| ·实验结果分析 | 第45-48页 |
| 第四章 基于连通域的字符分割 | 第48-55页 |
| ·字符分割前的预处理 | 第48-52页 |
| ·车牌边框的去除 | 第48-49页 |
| ·倾斜校正 | 第49-51页 |
| ·去除铆钉 | 第51-52页 |
| ·基于连通域的字符分割方法 | 第52-53页 |
| ·字符归一化 | 第53-55页 |
| 第五章 基于BP神经网络的字符识别 | 第55-73页 |
| ·神经网络基本理论 | 第55-58页 |
| ·神经网络定义及特征 | 第55页 |
| ·神经网络工作方式 | 第55-56页 |
| ·生物神经元 | 第56页 |
| ·人工神经元 | 第56-58页 |
| ·BP算法介绍 | 第58-60页 |
| ·BP网络设计相关问题 | 第60-62页 |
| ·网络的层数 | 第60页 |
| ·输入层和输出层的设计 | 第60页 |
| ·隐含层数和层内结点数的选择 | 第60-61页 |
| ·初始权值的选取 | 第61页 |
| ·学习速率 | 第61页 |
| ·学习结果的判别 | 第61-62页 |
| ·BP算法的改进 | 第62-63页 |
| ·附加动量因子算法 | 第62-63页 |
| ·自适应学习步长 | 第63页 |
| ·附加动量因子及动态自调整学习算法(又称综合法) | 第63页 |
| ·本文采用的字符识别方案 | 第63-73页 |
| ·字符特征提取方法 | 第64页 |
| ·本文采用的BP网络结构 | 第64-65页 |
| ·训练及识别结果 | 第65-71页 |
| ·实验结果比较 | 第71-73页 |
| 第六章 系统开发 | 第73-76页 |
| ·系统设计目标 | 第73页 |
| ·车牌字符识别系统软件流程图 | 第73-74页 |
| ·车牌字符识别流程说明 | 第74页 |
| ·软件调试与结果 | 第74-76页 |
| 第七章 总结与展望 | 第76-78页 |
| ·总结 | 第76-77页 |
| ·展望 | 第77-78页 |
| 参考文献 | 第78-81页 |
| 攻读硕士学位期间发表(录用)的论文 | 第81-82页 |
| 致谢 | 第82页 |
