铁路机车车号字符分割与识别算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 字符分割算法研究现状 | 第10-11页 |
| 1.2.2 字符识别算法研究现状 | 第11-12页 |
| 1.3 本文的主要工作和安排 | 第12-14页 |
| 1.3.1 本文的主要工作 | 第12页 |
| 1.3.2 本文的主要内容安排 | 第12-14页 |
| 第2章 机车车号区域图像预处理 | 第14-21页 |
| 2.1 彩色图像灰度化 | 第14-15页 |
| 2.2 灰度变换 | 第15-16页 |
| 2.3 图像的二值化 | 第16-19页 |
| 2.3.1 基于全局的阈值法 | 第16-17页 |
| 2.3.2 基于局部的自适应阈值法 | 第17-18页 |
| 2.3.3 本文的二值化方案选取 | 第18-19页 |
| 2.4 噪声点去除 | 第19页 |
| 2.5 本章小结 | 第19-21页 |
| 第3章 机车车号区域字符分割算法 | 第21-29页 |
| 3.1 机车车号特点分析 | 第21-22页 |
| 3.2 基于改进的投影分割法 | 第22-24页 |
| 3.2.1 传统的投影分割法 | 第22-23页 |
| 3.2.2 改进的投影分割法 | 第23-24页 |
| 3.3 基于连通区域的字符分割法 | 第24-26页 |
| 3.4 不同算法实验与结果分析 | 第26-27页 |
| 3.5 字符归一化 | 第27-28页 |
| 3.6 本章小结 | 第28-29页 |
| 第4章 机车车号区域字符识别算法 | 第29-38页 |
| 4.1 基于模板匹配的字符识别法 | 第29-32页 |
| 4.1.1 模版匹配算法 | 第29-30页 |
| 4.1.2 创建模板 | 第30页 |
| 4.1.3 字符特征提取 | 第30-32页 |
| 4.1.4 相似性度量 | 第32页 |
| 4.2 基于BP神经网络的字符识别法 | 第32-36页 |
| 4.2.1 神经网络的模型 | 第32-33页 |
| 4.2.2 激活函数 | 第33-34页 |
| 4.2.3 BP算法 | 第34-35页 |
| 4.2.4 训练神经网络模型 | 第35-36页 |
| 4.3 不同算法实验与结果分析 | 第36页 |
| 4.4 本章小结 | 第36-38页 |
| 第5章 车号识别系统设计与实现 | 第38-43页 |
| 5.1 系统概述 | 第38-39页 |
| 5.2 车号识别模块实现 | 第39-40页 |
| 5.2.1 OpenCV简介 | 第39页 |
| 5.2.2 软件结构与功能 | 第39-40页 |
| 5.3 DLL接口设计 | 第40-41页 |
| 5.4 模块测试 | 第41-42页 |
| 5.5 本章小结 | 第42-43页 |
| 第6章 总结和展望 | 第43-44页 |
| 6.1 总结 | 第43页 |
| 6.2 展望 | 第43-44页 |
| 参考文献 | 第44-47页 |
| 致谢 | 第47-48页 |
| 附录 攻读学位期间参与的项目及获得的软件著作权 | 第48页 |
