基于神经网络的车牌识别系统的研究与设计
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-10页 |
| 第1章 引言 | 第10-17页 |
| 1．1 课题背景及现实意义 | 第10-12页 |
| 1．2 车牌识别技术的国内外研究动态及水平 | 第12-15页 |
| 1．2．1 IC卡识别技术 | 第12页 |
| 1．2．2 条形码识别技术 | 第12-13页 |
| 1．2．3 图象处理技术 | 第13页 |
| 1．2．4 传统模式识别技术 | 第13-14页 |
| 1．2．5 人工神经网络技术 | 第14页 |
| 1．2．6 我国汽车牌照识别的特殊性 | 第14-15页 |
| 1．3 课题主要研究内容 | 第15-17页 |
| 第2章 系统设计及理论基础 | 第17-32页 |
| 2．1 图像系统总体设计思路 | 第17-22页 |
| 2．1．1 引言 | 第17-20页 |
| 2．1．2 图像识别的三个主要阶段 | 第20-21页 |
| 2．1．3 图像识别系统的设计 | 第21-22页 |
| 2．2 车牌识别系统的总体结构 | 第22-24页 |
| 2．3 系统的硬件构成及原理 | 第24-27页 |
| 2．3．1 全天候图像采集技术 | 第24-26页 |
| 2．3．2 数字信号处理器（DSP） | 第26-27页 |
| 2．4 系统的软件构成及原理 | 第27-32页 |
| 2．4．1 预处理 | 第27-28页 |
| 2．4．1．1 图像转换及压缩 | 第27-28页 |
| 2．4．1．2 图像增强 | 第28页 |
| 2．4．1．3 图像水平校正 | 第28页 |
| 2．4．2 牌照的定位与分割 | 第28-29页 |
| 2．4．3 字符识别的预处理 | 第29-31页 |
| 2．4．3．1 图像二值化 | 第29页 |
| 2．4．3．2 牌照字符的切分 | 第29-30页 |
| 2．4．3．3 字符的细化 | 第30-31页 |
| 2．4．4 字符的识别 | 第31-32页 |
| 第3章 图像分割的理论基础 | 第32-49页 |
| 3．1 前言 | 第32-34页 |
| 3．1．1 图像分割定义 | 第33-34页 |
| 3．1．2 分割算法分类 | 第34页 |
| 3．2 并行边界技术 | 第34-38页 |
| 3．2．1 边缘检测 | 第34-35页 |
| 3．2．2 微分算子 | 第35-38页 |
| 3．2．2．1 梯度算子 | 第35-36页 |
| 3．2．2．2 拉普拉斯算子 | 第36-37页 |
| 3．2．2．3 哈夫变换 | 第37-38页 |
| 3．3 串行边界技术 | 第38-40页 |
| 3．3．1 图搜索 | 第38-39页 |
| 3．3．2 动态规划 | 第39-40页 |
| 3．4 并行区域技术 | 第40-46页 |
| 3．4．1 原理和分类 | 第40-42页 |
| 3．4．2 依赖像素的阈值选取 | 第42-44页 |
| 3．4．3 依赖区域得阈值选取 | 第44-45页 |
| 3．4．4 依赖坐标的阈值选取 | 第45-46页 |
| 3．5 串行区域技术 | 第46-49页 |
| 3．5．1 区域生长 | 第46-47页 |
| 3．5．2 分割合并 | 第47-49页 |
| 第4章 基于神经网络的识别原理 | 第49-68页 |
| 4．1 字符识别的结构方法 | 第49-51页 |
| 4．1．1 基于骨架 | 第49-50页 |
| 4．1．2 基于轮廓 | 第50页 |
| 4．1．3 基于局部图像 | 第50-51页 |
| 4．1．4 特征提取与识别的融合 | 第51页 |
| 4．2 字符识别的统计方法特征提取 | 第51-53页 |
| 4．2．1 全局特征 | 第52页 |
| 4．2．2 局部特征 | 第52-53页 |
| 4．3 分类器的选取 | 第53-55页 |
| 4．3．1 基于距离的分类器 | 第53-54页 |
| 4．3．2 神经网络识别 | 第54-55页 |
| 4．4 BP神经网络结构 | 第55-68页 |
| 4．4．1 神经网络理论概述 | 第55-56页 |
| 4．4．2 人工神经元模型 | 第56-58页 |
| 4．4．2．1 生物神经元 | 第56页 |
| 4．4．2．2 人工神经元 | 第56-58页 |
| 4．4．3 神经网络的学习 | 第58-59页 |
| 4．4．4 误差反向传播学习算法—BP算法 | 第59-68页 |
| 4．4．4．1 BP算法的推导 | 第61-65页 |
| 4．4．4．2 BP算法存在的问题及其改进措施 | 第65-68页 |
| 第5章 车牌识别系统的设计与实现 | 第68-89页 |
| 5．1 车牌定位与分割 | 第68-78页 |
| 5．1．1 车牌图像的边缘提取与二值化 | 第68-70页 |
| 5．1．2 车牌水平方向的定位算法 | 第70-72页 |
| 5．1．3 车牌垂直方向的定位算法 | 第72-75页 |
| 5．1．3．1 预处理中的噪声消除 | 第72-73页 |
| 5．1．3．2 后处理中的形态学方法 | 第73-75页 |
| 5．1．4 车牌图像校正算法 | 第75-78页 |
| 5．2 车牌字符分割 | 第78-80页 |
| 5．3 神经网络在车牌字符识别中的应用 | 第80-88页 |
| 5．3．1 字符的预处理 | 第81-82页 |
| 5．3．2 特征的提取 | 第82-85页 |
| 5．3．3 分类器的选取 | 第85-88页 |
| 5．3．3．1 分类器的集成 | 第85-87页 |
| 5．3．3．2 神经网络的结构和设计 | 第87-88页 |
| 5．4 实验结果 | 第88-89页 |
| 结论 | 第89-90页 |
| 致谢 | 第90-91页 |
| 参考文献 | 第91-93页 |
