基于图像处理与神经网络的车牌识别技术的研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·课题背景及现实意义 | 第7-8页 |
| ·车牌识别的主要方法 | 第8-10页 |
| ·IC 卡识别技术 | 第8-9页 |
| ·条形码识别技术 | 第9页 |
| ·图象处理技术 | 第9页 |
| ·传统模式识别技术 | 第9-10页 |
| ·人工神经网络技术 | 第10页 |
| ·LPR 系统国内外研究现状 | 第10-12页 |
| ·我国汽车牌照的特殊性 | 第12-13页 |
| ·课题的主要研究内容 | 第13-15页 |
| 第二章 车牌图像预处理 | 第15-27页 |
| ·图像的灰度化 | 第15-16页 |
| ·图像增强 | 第16-21页 |
| ·对比度增强 | 第16-18页 |
| ·灰度均衡 | 第18-19页 |
| ·图像滤波 | 第19-21页 |
| ·图像二值化 | 第21-27页 |
| ·二值化方法介绍 | 第22-25页 |
| ·本文提出的二值化方法 | 第25-27页 |
| 第三章 汽车牌照的定位 | 第27-33页 |
| ·常用车牌定位方法 | 第27-28页 |
| ·一种基于水平扫描与垂直投影的车牌定位方法 | 第28-33页 |
| 第四章 车牌字符的分割 | 第33-39页 |
| ·字符分割基础 | 第33-34页 |
| ·行切分技术 | 第33页 |
| ·字切分技术 | 第33-34页 |
| ·牌照的倾斜校正 | 第34-37页 |
| ·霍夫变换原理 | 第34-35页 |
| ·霍夫变换实现与车牌倾斜校正 | 第35-37页 |
| ·基于垂直投影与先验知识的分割算法 | 第37-39页 |
| 第五章 车牌字符的识别 | 第39-65页 |
| ·字符识别技术概述 | 第39-40页 |
| ·字符识别的结构方法 | 第40-42页 |
| ·基于骨架方法 | 第40页 |
| ·基于轮廓方法 | 第40-41页 |
| ·基于局部图像方法 | 第41页 |
| ·特征提取与识别的融合 | 第41-42页 |
| ·字符识别的统计方法特征提取 | 第42-43页 |
| ·全局特征 | 第42页 |
| ·局部特征 | 第42-43页 |
| ·分类器的选取 | 第43-45页 |
| ·基于距离的分类器 | 第44页 |
| ·神经网络识别 | 第44-45页 |
| ·BP 神经网络结构 | 第45-58页 |
| ·神经网络理论概述 | 第45页 |
| ·人工神经元模型 | 第45-48页 |
| ·神经网络的学习 | 第48-49页 |
| ·误差反向传播学习算法－BP 算法 | 第49-58页 |
| ·神经网络在车牌字符识别中的应用 | 第58-65页 |
| ·字符预处理 | 第59-61页 |
| ·特征的提取 | 第61-62页 |
| ·分类器的选取及神经网络的设计 | 第62-65页 |
| 总结与展望 | 第65-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 研究成果 | 第73页 |
