首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

运动状态下车牌识别算法的研究

中文摘要第5-6页
ABSTRACT第6-7页
1. 绪论第10-16页
    1.1 车牌识别系统研究背景第10页
    1.2 国内外研究现状第10-11页
        1.2.1 车牌识别简介第10-11页
        1.2.2 运动目标检测第11页
    1.3 车牌识别系统简介第11-13页
    1.4 目前车牌识别存在的问题第13-14页
    1.5 本文研究的主要内容第14-15页
    1.6 章节安排第15-16页
2. 运动目标检测第16-27页
    2.1 常用的运动目标检测方法第16-18页
        2.1.1 光流法第16页
        2.1.2 帧间差分法第16-17页
        2.1.3 背景减除法第17-18页
    2.2 基于混合高斯背景建模算法的运动目标检测第18-23页
        2.2.1 典型的背景减除算法介绍第18-20页
        2.2.2 单高斯背景建模第20-21页
        2.2.3 混合高斯背景建模第21-23页
    2.3 改进的混合高斯背景建模法检测运动目标第23-25页
    2.4 实验分析第25-26页
    2.5 本章小结第26-27页
3. 车牌定位相关算法第27-52页
    3.1 引言第27页
    3.2 我国车牌规格及特点第27-28页
    3.3 车牌定位相关技术介绍第28-44页
        3.3.1 图像的灰度化第29-30页
        3.3.2 图像增强技术第30-35页
        3.3.3 图像的二值化第35-39页
        3.3.4 边缘检测第39-43页
        3.3.5 数学形态学运算第43-44页
    3.4 车牌定位方法介绍第44-45页
        3.4.1 基于灰度图像的定位方法第44页
        3.4.2 基于彩色图像的定位方法第44-45页
    3.5 几种经典车牌定位算法第45-46页
        3.5.1 基于投影法的车牌定位方法第45页
        3.5.2 基于图像颜色特征的定位方法第45-46页
    3.6 基于边缘梯度筛选和灰度跳变法结合的车牌定位方法第46-50页
        3.6.1 边缘检测第46-47页
        3.6.2 边缘梯度特性筛选第47-48页
        3.6.3 形态学处理第48-49页
        3.6.4 灰度跳变法第49页
        3.6.5 车牌精确定位第49-50页
    3.7 实验结果第50-51页
    3.8 本章小结第51-52页
4. 车牌字符分割第52-61页
    4.1 字符分割技术介绍第52页
    4.2 经典的车牌字符分割算法第52-53页
    4.3 车牌图像预处理第53-57页
        4.3.1 二值化第53-55页
        4.3.2 倾斜矫正第55-57页
    4.4 车牌边框的去除第57-58页
    4.5 字符分割和归一化第58-59页
        4.5.1 基于改进的垂直投影法进行字符的分割第58-59页
        4.5.2 字符归一化第59页
    4.6 实验分析第59-60页
    4.7 本章小结第60-61页
5. 车牌识别中的字符识别第61-75页
    5.1 字符识别算法综述第61页
    5.2 模板匹配法第61-63页
        5.2.1 模板匹配法第61-62页
        5.2.2 基于过线数特征的模板匹配法第62-63页
    5.3 基于BP神经网络的字符识别方法第63-69页
        5.3.1 人工神经网络简介第63-65页
        5.3.2 BP神经网络及其改进第65-69页
    5.4 本文字符识别算法流程第69-73页
        5.4.1 特征提取第70页
        5.4.2 确定输入层节点数第70-71页
        5.4.3 隐含层节点数第71-72页
        5.4.4 输出层节点数第72页
        5.4.5 激励函数第72页
        5.4.6 初始权值第72页
        5.4.7 学习率和冲量系数的选取第72-73页
    5.5 实验结果第73-74页
    5.6 本章小结第74-75页
6. 总结与不足第75-77页
    6.1 总结第75-76页
    6.2 不足第76-77页
参考文献第77-80页
攻读硕士学位期间发表学术论文情况第80-81页
致谢第81-82页
作者简介第82-83页

论文共83页,点击 下载论文
上一篇:代码级横切关注点挖掘方法研究
下一篇:基于Hadoop2.0的海量数据处理