车牌定位与字符识别的方法研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 引言 | 第8-9页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题背景及意义 | 第9-11页 |
| 1.2 车牌识别系统的结构组成 | 第11-13页 |
| 1.3 国内外现状 | 第13页 |
| 1.4 论文的主要研究内容及各章节安排 | 第13-15页 |
| 第2章 车牌定位 | 第15-30页 |
| 2.1 车牌的特征 | 第15-16页 |
| 2.2 车牌定位的方法 | 第16-20页 |
| 2.2.1 灰度图像的车牌定位方法 | 第16-17页 |
| 2.2.2 彩色图像的车牌定位方法 | 第17-20页 |
| 2.3 车牌定位算法 | 第20-25页 |
| 2.3.1 彩色图像模型介绍 | 第20-23页 |
| 2.3.2 颜色离散特性 | 第23-24页 |
| 2.3.3 色差量化 | 第24-25页 |
| 2.4 基于离散特征的车牌定位方法 | 第25-30页 |
| 第3章 车牌字符分割 | 第30-38页 |
| 3.1 字符分割综述 | 第30-31页 |
| 3.2 本文的分割方法 | 第31-38页 |
| 3.2.1 图像灰度化 | 第31-32页 |
| 3.2.2 图像二值化 | 第32-35页 |
| 3.2.3 去除边框和铆钉 | 第35-36页 |
| 3.2.4 分割字符 | 第36-38页 |
| 第4章 字符识别 | 第38-56页 |
| 4.1 车牌字符特点分析 | 第38-40页 |
| 4.2 识别方法 | 第40-41页 |
| 4.3 人工神经网络 | 第41-46页 |
| 4.3.1 生物神经元模型 | 第41-42页 |
| 4.3.2 人工神经元模型 | 第42-43页 |
| 4.3.3 人工神经网络的体系结构 | 第43-45页 |
| 4.3.4 人工神经网络的优点及应用 | 第45-46页 |
| 4.4 基于BP神经网络的车牌识别 | 第46-53页 |
| 4.4.1 BP神经网络 | 第46-49页 |
| 4.4.2 改进的BP神经网络结构和设计 | 第49-53页 |
| 4.4.3 MATLAB软件介绍 | 第53页 |
| 4.5 实验结果及分析 | 第53-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 导师简介 | 第62-63页 |
| 作者简介 | 第63-64页 |
| 学位论文数据集 | 第64页 |
