停车场车牌识别技术研究与实现
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-11页 |
| 插图索引 | 第11-12页 |
| 附表索引 | 第12-13页 |
| 第1章 绪论 | 第13-18页 |
| ·论文背景及其研究意义 | 第13-14页 |
| ·国内外研究现状 | 第14-15页 |
| ·停车场车牌识别的主要方法 | 第15-16页 |
| ·IC 卡识别 | 第15页 |
| ·数字图像处理识别 | 第15-16页 |
| ·主要研究内容 | 第16-17页 |
| ·论文内容结构安排 | 第17-18页 |
| 第2章 与车牌识别相关的数字图像处理技术 | 第18-27页 |
| ·图像增强技术 | 第18-21页 |
| ·空域增强 | 第18-20页 |
| ·频域增强 | 第20-21页 |
| ·图像分割技术 | 第21-25页 |
| ·区域生长 | 第22页 |
| ·边缘检测 | 第22-24页 |
| ·阈值分割 | 第24-25页 |
| ·数学形态学处理技术 | 第25-26页 |
| ·腐蚀与膨胀 | 第25-26页 |
| ·开启与闭合 | 第26页 |
| ·本章小结 | 第26-27页 |
| 第3章 车牌图像定位 | 第27-38页 |
| ·图像预处理 | 第27-30页 |
| ·灰度化 | 第27-28页 |
| ·图像增强 | 第28页 |
| ·平滑滤波 | 第28-29页 |
| ·图像二值化 | 第29页 |
| ·形态学处理 | 第29-30页 |
| ·常用的车牌定位方法分析 | 第30-32页 |
| ·彩色图像的车牌定位方法 | 第30-31页 |
| ·灰度图像的车牌定位方法 | 第31-32页 |
| ·基于二值图像跳变和数学形态学的车牌定位方法 | 第32-37页 |
| ·车牌粗定位 | 第32-33页 |
| ·车牌细定位 | 第33-34页 |
| ·实验结果分析 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 车牌字符分割 | 第38-46页 |
| ·车牌倾斜矫正 | 第38-39页 |
| ·边框铆钉的去除 | 第39-41页 |
| ·车牌背景统一 | 第41页 |
| ·基于车牌字符连通区域的分割方法 | 第41-42页 |
| ·字符归一化 | 第42页 |
| ·实验结果分析 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 第5章 车牌字符识别 | 第46-63页 |
| ·车牌字符识别原理 | 第46-47页 |
| ·统计模式识别原理 | 第46-47页 |
| ·结构模式识别原理 | 第47页 |
| ·车牌字符识别方法研究 | 第47-53页 |
| ·模板匹配识别法 | 第47-48页 |
| ·模糊识别法 | 第48页 |
| ·人工神经网络识别法 | 第48-52页 |
| ·支持向量机识别法 | 第52-53页 |
| ·基于改进的模板匹配字符识别方法 | 第53-56页 |
| ·改进的模板匹配算法 | 第53-54页 |
| ·实验结果分析 | 第54-56页 |
| ·基于改进的 BP 神经网络字符识别 | 第56-62页 |
| ·改进的 BP 神经网络算法 | 第56-57页 |
| ·BP 神经网络的设计 | 第57-58页 |
| ·网络训练与测试 | 第58-62页 |
| ·本章小结 | 第62-63页 |
| 结论 | 第63-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69-70页 |
| 附录A 攻读学位期间发表的学术论文目录 | 第70页 |
