轮胎胎号自动识别系统的研究与设计
| 第一章 绪论 | 第1-12页 |
| ·自动识别技术的概述 | 第9页 |
| ·轮胎企业使用自动识别技术的意义 | 第9-10页 |
| ·本课题的目的 | 第10-11页 |
| ·本课题的主要工作 | 第11-12页 |
| 第二章 轮胎胎号自动识别系统硬件设计 | 第12-17页 |
| ·胎号字符的特点 | 第12-13页 |
| ·系统硬件设计 | 第13-17页 |
| ·辅助光源的设计 | 第13-15页 |
| ·CCD摄像机的选择 | 第15页 |
| ·图像采集卡的选择 | 第15-17页 |
| 第三章 轮胎胎号图像预处理与特征提取 | 第17-39页 |
| ·胎号图像在计算机中的表示 | 第17-18页 |
| ·图像处理常用方法 | 第18-27页 |
| ·图像增强 | 第18-25页 |
| ·边缘检测 | 第25-27页 |
| ·图像分割 | 第27页 |
| ·胎号图像预处理 | 第27-36页 |
| ·彩色图像转化为灰度图像 | 第28页 |
| ·胎号图像增强 | 第28-29页 |
| ·胎号区域定位 | 第29-32页 |
| ·字符倾斜校正 | 第32-34页 |
| ·单个字符切分 | 第34-35页 |
| ·归一化处理 | 第35-36页 |
| ·胎号字符特征选择与提取 | 第36-39页 |
| ·粗网格特征 | 第37页 |
| ·外围轮廓特征 | 第37-38页 |
| ·笔划密度特征 | 第38-39页 |
| 第四章 基于人工神经网络的轮胎胎号字符识别 | 第39-52页 |
| ·人工神经网络概述 | 第39-40页 |
| ·神经元模型 | 第40-41页 |
| ·BP神经网络模型 | 第41-42页 |
| ·标准BP算法及其改进 | 第42-48页 |
| ·标准BP算法 | 第42-45页 |
| ·BP算法的改进 | 第45-48页 |
| ·BP神经网络的设计 | 第48-50页 |
| ·训练样本数 | 第48页 |
| ·网络的结构设计 | 第48-49页 |
| ·网络训练设计 | 第49-50页 |
| ·拒绝识别策略 | 第50页 |
| ·胎号识别中神经网络分类器的具体设计 | 第50-52页 |
| ·各层节点数设计 | 第50-51页 |
| ·网络参数的选取 | 第51页 |
| ·拒绝识别策略 | 第51-52页 |
| 第五章 轮胎胎号识别系统的软件设计 | 第52-64页 |
| ·开发工具简介 | 第52-53页 |
| ·软件功能设计 | 第53-61页 |
| ·用户界面及接口设计 | 第55-56页 |
| ·胎号图像采集功能设计 | 第56-57页 |
| ·胎号图像预处理功能设计 | 第57-59页 |
| ·胎号识别功能设计 | 第59-60页 |
| ·以胎号为中心的数据库设计 | 第60-61页 |
| ·实验与讨论 | 第61-64页 |
| ·实验目的 | 第61页 |
| ·实验内容 | 第61-63页 |
| ·实验讨论 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| ·本文总结 | 第64页 |
| ·今后展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 攻读硕士学位期间发表的学术论文 | 第70页 |
