基于径向基函数神经网络的车牌识别技术研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-14页 |
| ·选题背景及研究意义 | 第8页 |
| ·车牌识别系统的国内外研究历史及发展趋势 | 第8-10页 |
| ·车牌识别系统的发展现状 | 第10-11页 |
| ·车牌定位技术 | 第10页 |
| ·车牌字符分割技术 | 第10-11页 |
| ·车牌字符识别技术 | 第11页 |
| ·研究方法与技术路线 | 第11-14页 |
| 2 车牌定位 | 第14-31页 |
| ·我国车牌的特征 | 第14-15页 |
| ·基于颜色特征的车牌定位 | 第15-18页 |
| ·RGB和HSV空间 | 第15-17页 |
| ·HSV空间中车牌定位 | 第17-18页 |
| ·车辆图像灰度化 | 第18-20页 |
| ·基于Adaboost算法的车牌定位 | 第20-30页 |
| ·Haar特征 | 第20-21页 |
| ·扩展的Haar特征 | 第21-26页 |
| ·Adaboost算法 | 第26-30页 |
| ·本章小结 | 第30-31页 |
| 3 车牌字符分割 | 第31-40页 |
| ·车牌图像预处理 | 第31-36页 |
| ·车牌图像二值化 | 第31-33页 |
| ·倾斜校正 | 第33-35页 |
| ·图像滤波 | 第35-36页 |
| ·车牌字符分割 | 第36页 |
| ·垂直投影与多模板匹配相结合的字符分割方法 | 第36-39页 |
| ·最优分割线的定位 | 第37-38页 |
| ·匹配测度 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 4 车牌字符识别 | 第40-54页 |
| ·车牌字符特征提取 | 第40-42页 |
| ·hog特征 | 第40-41页 |
| ·车牌字符hog特征的计算 | 第41-42页 |
| ·车牌字符识别方法 | 第42-43页 |
| ·BP神经网络和RBF神经网络 | 第43-48页 |
| ·BP神经网络 | 第43-45页 |
| ·RBF神经网络 | 第45-48页 |
| ·遗传算法 | 第48-53页 |
| ·遗传算法的优点 | 第49页 |
| ·遗传算法优化RBF神经网络 | 第49-51页 |
| ·字符识别训练 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 5 结论与展望 | 第54-56页 |
| ·总结 | 第54页 |
| ·展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-60页 |
