基于BP神经网络的车牌模糊识别的研究
| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第1章 绪论 | 第9-15页 |
| ·车牌模糊识别的研究背景 | 第9-10页 |
| ·车牌识别系统的关键技术 | 第10-12页 |
| ·触发技术 | 第10-11页 |
| ·图像采集 | 第11页 |
| ·图像预处理与车牌定位 | 第11页 |
| ·字符识别 | 第11-12页 |
| ·数据接口和管理软件开发 | 第12页 |
| ·车牌模糊识别的国内外研究现状 | 第12-14页 |
| ·本文所做的主要工作 | 第14-15页 |
| 第2章 车牌模糊识别的数字图像处理技术 | 第15-25页 |
| ·图像颜色模型 | 第15-17页 |
| ·数字图像处理技术 | 第17-20页 |
| ·图像的灰度化 | 第17页 |
| ·图像的二值化 | 第17-18页 |
| ·图像的反色 | 第18页 |
| ·图像的滤波 | 第18-19页 |
| ·图像的形态学运算 | 第19-20页 |
| ·图像分割 | 第20-25页 |
| ·图像边缘检测 | 第20-21页 |
| ·图像分割的概念 | 第21-22页 |
| ·灰度图像的分割 | 第22-23页 |
| ·彩色图像的分割 | 第23-25页 |
| 第3章 车牌定位技术的研究 | 第25-41页 |
| ·车牌的先验知识 | 第25-26页 |
| ·车牌定位技术研究 | 第26-31页 |
| ·基于边界的车牌定位技术 | 第26-27页 |
| ·基于区域的车牌定位技术 | 第27页 |
| ·基于神经网络的车牌定位技术 | 第27-28页 |
| ·基于小波分析和变换的车牌定位技术 | 第28页 |
| ·基于矢量量化的车牌定位方法 | 第28-29页 |
| ·基于颜色空间的车牌定位技术 | 第29页 |
| ·车牌定位技术的分析比较 | 第29-31页 |
| ·基于HSV颜色空间与彩色纹理特征的车牌定位方法 | 第31-39页 |
| ·确定车牌颜色在HSV空间中的阈值 | 第31-32页 |
| ·车辆图像颜色过滤 | 第32-35页 |
| ·车辆图像消噪 | 第35-36页 |
| ·基于彩色纹理特征的车牌定位 | 第36-39页 |
| ·算法的改进 | 第39页 |
| ·实验结果及分析 | 第39-41页 |
| 第4章 车牌字符分割与归一化处理 | 第41-50页 |
| ·车牌字符分割的预处理 | 第41-46页 |
| ·车牌图像的二值化 | 第41-44页 |
| ·去噪 | 第44页 |
| ·倾斜校正 | 第44-45页 |
| ·去边框处理 | 第45-46页 |
| ·车牌字符分割 | 第46-47页 |
| ·字符图像归一化处理 | 第47-50页 |
| ·位置归一化 | 第48页 |
| ·大小归一化 | 第48-50页 |
| 第5章 车牌字符识别特征提取与模糊识别 | 第50-63页 |
| ·车牌字符识别特征的选取 | 第50-52页 |
| ·待识别的车牌字符 | 第50页 |
| ·采用的字符识别特征 | 第50-52页 |
| ·人工神经网络 | 第52-57页 |
| ·人工神经元 | 第53-54页 |
| ·BP神经网络与BP学习算法 | 第54-55页 |
| ·BP算法的缺点及其改进措施 | 第55-56页 |
| ·BP网络的参数 | 第56-57页 |
| ·用于车牌字符识别的BP神经网络 | 第57-63页 |
| ·BP神经网络的个数 | 第57-58页 |
| ·BP神经网络结构的确定 | 第58-59页 |
| ·BP神经网络参数的确定 | 第59-61页 |
| ·BP神经网络的训练 | 第61-63页 |
| 第6章 车牌模糊识别系统的总体设计与实现 | 第63-68页 |
| ·车牌模糊识别系统的总体结构 | 第63页 |
| ·车牌识别系统的实现 | 第63-66页 |
| ·车牌识别系统的结果分析 | 第66-68页 |
| 第7章 总结与展望 | 第68-70页 |
| (1)数字图像预处理技术 | 第68页 |
| (2)车牌定位 | 第68-69页 |
| (3)算法的学习能力 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73-74页 |
| 攻读硕士学位期间发表论文情况 | 第74页 |
