基于忆阻神经网络的车牌识别研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第7-14页 |
| 1.1 课题研究背景和研究意义 | 第7-8页 |
| 1.2 国内外的研究现状和发展趋势 | 第8-11页 |
| 1.2.1 车牌识别技术的研究现状和发展趋势 | 第8-10页 |
| 1.2.2 神经网络研究现状和发展趋势 | 第10页 |
| 1.2.3 忆阻器研究现状和发展趋势 | 第10-11页 |
| 1.3 我国汽车车牌的特点 | 第11-12页 |
| 1.4 本文主要工作及内容安排 | 第12-14页 |
| 第二章 车牌图像预处理 | 第14-27页 |
| 2.1 彩色模型 | 第14-16页 |
| 2.1.1 RGB模型 | 第14页 |
| 2.1.2 HSV模型 | 第14-16页 |
| 2.2 车牌灰度化 | 第16-18页 |
| 2.2.1 方法概述 | 第16-17页 |
| 2.2.2 灰度拉伸变换 | 第17-18页 |
| 2.3 车牌二值化 | 第18-19页 |
| 2.3.1 方法介绍 | 第18页 |
| 2.3.2 最大类间方差法 | 第18-19页 |
| 2.4 中值滤波法去噪 | 第19-20页 |
| 2.5 边缘检测 | 第20-23页 |
| 2.6 数学形态学处理 | 第23-26页 |
| 2.7 本章总结 | 第26-27页 |
| 第三章 车牌定位 | 第27-37页 |
| 3.1 定位方法 | 第27-28页 |
| 3.1.1 车牌特征 | 第27页 |
| 3.1.2 常用方法 | 第27-28页 |
| 3.2 本文的定位方法 | 第28-35页 |
| 3.2.1 颜色模型的选择与转换 | 第29-30页 |
| 3.2.2 五级灰度图 | 第30-31页 |
| 3.2.3 连通域提取 | 第31-33页 |
| 3.2.4 选定车牌区域 | 第33-35页 |
| 3.3 本章总结 | 第35-37页 |
| 第四章 车牌校正与字符分割 | 第37-48页 |
| 4.1 倾斜种类 | 第37-38页 |
| 4.2 校正方法 | 第38-40页 |
| 4.2.1 Hough变换法 | 第38-39页 |
| 4.2.2 Radon变换法 | 第39-40页 |
| 4.3 倾斜校正过程 | 第40-43页 |
| 4.3.1 水平校正 | 第40-42页 |
| 4.3.2 垂直校正 | 第42-43页 |
| 4.4 车牌字符的分割 | 第43-46页 |
| 4.4.1 分割方法 | 第43-46页 |
| 4.4.2 归一化 | 第46页 |
| 4.5 本章总结 | 第46-48页 |
| 第五章 忆阻神经网络车牌字符识别研究 | 第48-66页 |
| 5.1 传统车牌字符识别方法 | 第48-50页 |
| 5.2 忆阻器模型及其仿真 | 第50-56页 |
| 5.2.1 惠普忆阻器模型及其仿真 | 第50-54页 |
| 5.2.2 电压控制忆阻器模型及仿真 | 第54-56页 |
| 5.3 忆阻神经网络 | 第56-59页 |
| 5.3.1 忆阻神经网络结构 | 第57-58页 |
| 5.3.2 忆阻神经网学习算法 | 第58-59页 |
| 5.4 特征提取方法 | 第59-61页 |
| 5.5 忆阻神经网络车牌字符识别实验分析 | 第61-65页 |
| 5.6 本章总结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 全文总结 | 第66-67页 |
| 6.2 课题展望 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-71页 |
| 附录 | 第71-72页 |
