基于恶劣情况下的车牌识别
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-12页 |
| ·研究背景及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·论文的研究内容和结构安排 | 第11-12页 |
| 第2章 车牌图像预处理 | 第12-20页 |
| ·车牌识别系统总体设计分析 | 第12-13页 |
| ·图像的校正 | 第13-14页 |
| ·图像的灰度拉伸 | 第14-15页 |
| ·图像的平滑去噪 | 第15-17页 |
| ·图像的边缘检测 | 第17-18页 |
| ·图像二值化 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第3章 车牌定位 | 第20-26页 |
| ·形态学的车牌定位 | 第20-22页 |
| ·基于特征统计的车牌定位 | 第22-23页 |
| ·粗定位 | 第22-23页 |
| ·精确定位 | 第23页 |
| ·本章小结 | 第23-26页 |
| 第4章 恶劣情况下的车牌字符分割新方法 | 第26-30页 |
| ·车牌字符规律研究 | 第26页 |
| ·字符分割 | 第26-28页 |
| ·字符粗分割 | 第27页 |
| ·字符精确分割 | 第27-28页 |
| ·字符大小归一化 | 第28页 |
| ·本章小结 | 第28-30页 |
| 第5章 模板匹配及神经网络的字符识别 | 第30-38页 |
| ·模板匹配 | 第30-32页 |
| ·模板匹配概述 | 第30-31页 |
| ·模板匹配的优势与劣势 | 第31-32页 |
| ·BP 神经网络 | 第32-37页 |
| ·神经网络概述 | 第32-33页 |
| ·BP 神经网络的基本结构 | 第33页 |
| ·BP 神经网络的学习过程 | 第33-36页 |
| ·BP 神经网络的学习过程优势与劣势 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第6章 多种恶劣情况模拟仿真实验及结果分析 | 第38-56页 |
| ·车牌字符样本库建立 | 第38-40页 |
| ·基于模板匹配的车牌识别方法 | 第40-45页 |
| ·识别流程图 | 第40-41页 |
| ·本文所编写的程序思路 | 第41-42页 |
| ·字符识别及结果分析 | 第42-45页 |
| ·基于 BP 网络的车牌识别方法 | 第45-55页 |
| ·识别流程图 | 第45页 |
| ·用于车牌字符识别的 BP 神经网络结构 | 第45-47页 |
| ·本文所编写的程序 | 第47-55页 |
| ·本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62页 |
