首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于像素累加值比较和最小外接矩形的车牌识别研究

摘要第3-5页
ABSTRACT第5-6页
图表目录第10-15页
第一章 绪论第15-21页
    1.1 研究背景第15-17页
    1.2 车牌识别系统现状第17-18页
        1.2.1 国内外车牌识别研究现状第17页
        1.2.2 车牌识别技术的应用情况第17-18页
    1.3 本课题的研究内容第18-19页
    1.4 论文结构第19-21页
第二章 总体设计第21-25页
    2.1 车牌识别系统总体设计第21页
    2.2 系统硬件设计第21页
    2.3 系统软件设计第21-22页
    2.4 本章小结第22-25页
第三章 基于像素累加值比较和 MER 的车牌定位算法第25-53页
    3.1 车辆图像预处理第25-31页
    3.2 基于小波变换多分辨率思想的车牌边缘提取第31-39页
        3.2.1 常见的边缘检测算子第31-33页
        3.2.2 基于小波变换的车牌边缘提取第33-39页
    3.3 常见车牌定位算法第39-44页
    3.4 基于像素累加值比较和 MER 的车牌定位算法第44-51页
        3.4.1 结构元素的选取第44-45页
        3.4.2 提取车牌候选区域第45-47页
        3.4.3 车牌精确定位第47-51页
    3.5 本章小结第51-53页
第四章 车牌字符切分算法第53-71页
    4.1 改进后的基于全局阈值化的 Otsu 算法第53-59页
        4.1.1 二值化基本原理第53页
        4.1.2 Otsu 算法第53-55页
        4.1.3 改进后的 Otsu 算法第55-59页
    4.2 基于 Radon 变换和坐标变换的倾斜校正算法第59-66页
    4.3 基于二值化图像垂直投影图的字符切分算法第66-68页
    4.4 本章小结第68-71页
第五章 车牌字符识别算法第71-87页
    5.1 车牌字符识别算法综述第71-72页
    5.2 传统模板匹配字符识别算法第72-76页
    5.3 基于字符特征提取的模板匹配算法第76-78页
        5.3.1 创建匹配模板第76页
        5.3.2 车牌特征提取第76-77页
        5.3.3 模板匹配第77-78页
    5.4 基于 BP 神经网络的有动量的梯度下降法第78-85页
        5.4.1 BP 神经网络简介第78-82页
        5.4.2 使用有动量的梯度下降法改进 BP 网络第82-85页
    5.5 本章小结第85-87页
第六章 测试界面搭建及测试第87-93页
    6.1 测试界面搭建第87-89页
        6.1.1 创建图形用户界面第87-88页
        6.1.2 创建车牌识别测试界面第88-89页
    6.2 测试过程第89-91页
    6.3 本章小结第91-93页
第七章 总结与展望第93-95页
    7.1 总结第93-94页
    7.2 展望第94-95页
参考文献第95-101页
致谢第101-103页
攻读学位期间发表的学术论文第103页

论文共103页,点击 下载论文
上一篇:鸡蛋浓、稀蛋白含量分析及候选基因筛选
下一篇:沙门菌体内耐药诱导模型的建立及体外诱导耐药菌RNA-seq分析