基于构造性学习的车牌定位与识别系统研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-15页 |
| ·智能交通系统的意义 | 第9页 |
| ·智能交通系统的内容 | 第9-11页 |
| ·智能交通系统的发展现状 | 第11-13页 |
| ·智能交通系统的发展方向 | 第13-14页 |
| ·本论文的研究内容 | 第14-15页 |
| 第二章 车牌定位识别算法简介 | 第15-23页 |
| ·我国车牌的标准 | 第15页 |
| ·车牌的定位方法 | 第15-20页 |
| ·基于灰度图像的定位方法 | 第16-18页 |
| ·基于彩色图像的定位方法 | 第18-20页 |
| ·车牌的识别方法 | 第20-23页 |
| ·基于模板匹配的字符识别 | 第20-21页 |
| ·基于神经网络的字符识别 | 第21-23页 |
| 第三章 构造性学习方法简介 | 第23-35页 |
| ·基于覆盖的构造性学习方法的发展 | 第23-31页 |
| ·FP算法简介 | 第23-26页 |
| ·覆盖领域的几何意义 | 第26-28页 |
| ·交叉覆盖算法 | 第28-31页 |
| ·领域覆盖算法的分析与改进 | 第31-35页 |
| ·对领域覆盖算法的分析 | 第31-32页 |
| ·覆盖算法改进的方法 | 第32-35页 |
| 第四章 基于构造性学习方法的车牌定位 | 第35-46页 |
| ·基于纹理的定位办法及分析 | 第35-37页 |
| ·车牌怀疑区域的提出 | 第37-39页 |
| ·车牌怀疑区域特征参数的提取 | 第39-40页 |
| ·车牌定位网络的训练与识别 | 第40-41页 |
| ·基于颜色的微定位 | 第41-43页 |
| ·实验结果及分析 | 第43-46页 |
| 第五章 基于构造性学习方法的车牌识别 | 第46-55页 |
| ·牌照的预处理 | 第46-50页 |
| ·图像的二值化 | 第46-47页 |
| ·图像的分割 | 第47-50页 |
| ·字符识别 | 第50-52页 |
| ·特征参数的提取 | 第50-51页 |
| ·附加样本的引入 | 第51-52页 |
| ·车牌识别网络的训练与识别 | 第52页 |
| ·主分量分析算法和识别网络的进一步改进 | 第52-53页 |
| ·实验结果及分析 | 第53-55页 |
| 第六章 总结和展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 攻读硕士学位期间从事的科研工作及发表的论文 | 第60-61页 |
| 致谢 | 第61页 |
