轮胎标识码识别系统的研究与设计
| 中文摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 引言 | 第7-11页 |
| ·机器视觉概述 | 第7页 |
| ·机器视觉在工业中的应用 | 第7-8页 |
| ·基于机器视觉的字符识别技术的发展与应用 | 第8-9页 |
| ·课题研究的目的 | 第9-10页 |
| ·课题研究的内容和主要任务 | 第10-11页 |
| 第二章 轮胎标识码识别系统的框架设计 | 第11-16页 |
| ·系统总体框架 | 第11页 |
| ·系统的照明设备 | 第11-13页 |
| ·光学镜头和相机的选择 | 第13-14页 |
| ·光学镜头的选择 | 第13-14页 |
| ·相机的选择 | 第14页 |
| ·图像采集卡的选择 | 第14-16页 |
| 第三章 轮胎标识码图像的预处理方法 | 第16-28页 |
| ·图像在计算机中的表示 | 第16-19页 |
| ·BMP 格式图像 | 第16-18页 |
| ·彩色图像转化为灰度图像 | 第18-19页 |
| ·灰度图像二值化 | 第19页 |
| ·去除噪声 | 第19-20页 |
| ·目标字符定位 | 第20-21页 |
| ·图像的梯度锐化 | 第21-22页 |
| ·字符倾斜度调整 | 第22-23页 |
| ·图像分割 | 第23-25页 |
| ·轮胎标识码图像的归一化处理 | 第25-28页 |
| 第四章 轮胎标识码图像特征提取与识别方法 | 第28-41页 |
| ·图像特征提取 | 第28-32页 |
| ·图像特征提取概述 | 第28页 |
| ·图像特征选择 | 第28页 |
| ·图像特征提取方法 | 第28-30页 |
| ·轮胎标识码的特征提取 | 第30-32页 |
| ·基于人工神经网络的字符识别 | 第32-39页 |
| ·人工神经网络概述 | 第32-33页 |
| ·反向传播算法(BP 算法) | 第33-36页 |
| ·BP 算法在应用中的改进 | 第36-37页 |
| ·BP 神经网络的设计 | 第37-39页 |
| ·识别系统中神经网络分类器的具体设计 | 第39-41页 |
| ·各层节点数设计 | 第39页 |
| ·网络参数的选取 | 第39页 |
| ·拒绝识别策略 | 第39-41页 |
| 第五章 轮胎标识码识别系统的实现 | 第41-48页 |
| ·识别系统的实现 | 第41-45页 |
| ·程序运行结果 | 第45-47页 |
| ·系统性能分析 | 第47-48页 |
| 第六章 总结 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 攻读硕士学位期间公开发表的论文 | 第53-54页 |
| 致谢 | 第54-55页 |
| 详细摘要 | 第55-57页 |