基于神经网络的车牌识别算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题的研究背景 | 第10-11页 |
| ·车牌识别技术的研究现状与发展趋势 | 第11-14页 |
| ·国内外车牌识别系统的发展与研究现状 | 第11-13页 |
| ·车牌识别系统的关键技术 | 第13-14页 |
| ·本文的主要工作及内容安排 | 第14-16页 |
| 第2章 图像预处理 | 第16-28页 |
| ·引言 | 第16页 |
| ·彩色图像灰度化 | 第16-18页 |
| ·对比度增强 | 第18-20页 |
| ·直方图均衡 | 第18页 |
| ·灰度拉伸 | 第18-20页 |
| ·中值滤波 | 第20-21页 |
| ·边缘检测 | 第21-23页 |
| ·二值化 | 第23-26页 |
| ·自适应初始阈值 | 第23页 |
| ·最大类间方差法(Ostu) | 第23-26页 |
| ·数学形态学处理 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 车牌定位和字符分割 | 第28-44页 |
| ·车牌定位技术研究 | 第28-31页 |
| ·车牌的规格及特征 | 第28-29页 |
| ·车牌定位技术 | 第29-31页 |
| ·基于扫描线和车牌特征的定位方法 | 第31-33页 |
| ·车牌倾斜校正 | 第33-38页 |
| ·倾斜校正方法 | 第33-34页 |
| ·基于字符行特征的倾斜校正方法 | 第34-38页 |
| ·基于灰度跳变特征和垂直投影阈值法的去边框方法 | 第38-40页 |
| ·去除上下边框 | 第38-39页 |
| ·去除左右边框 | 第39-40页 |
| ·车牌字符分割 | 第40-43页 |
| ·车牌字符特征及分割方法 | 第40-42页 |
| ·基于投影法和车牌先验知识的字符分割 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 车牌字符特征提取 | 第44-54页 |
| ·引言 | 第44-45页 |
| ·字符归一化 | 第45-47页 |
| ·字符的特征提取 | 第47-51页 |
| ·基于字符投影像素数和粗网格特征的字符特征提取 | 第51-53页 |
| ·粗网格特征提取 | 第51-52页 |
| ·字符投影像素数特征提取 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第5章 基于神经网络的字符识别 | 第54-68页 |
| ·神经网络的基本概念 | 第54-56页 |
| ·BP 神经网络学习算法 | 第56-60页 |
| ·BP 神经网络的基本结构 | 第56-57页 |
| ·标准BP 学习算法 | 第57-60页 |
| ·BP 神经网络训练过程 | 第60-61页 |
| ·车牌字符识别BP 神经网络结构的设计 | 第61-65页 |
| ·激活函数的选取 | 第61-62页 |
| ·输入层与输出层神经元个数 | 第62-63页 |
| ·隐含层层数的选择 | 第63-64页 |
| ·隐含层神经元数目的选取 | 第64-65页 |
| ·BP 神经网络识别结果 | 第65-67页 |
| ·基于二值图像的训练样本 | 第65页 |
| ·识别结果 | 第65-67页 |
| ·本章小结 | 第67-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-75页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第75-76页 |
| 致谢 | 第76-77页 |
| 作者简介 | 第77页 |
