车牌识别算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景和意义 | 第9页 |
| 1.2 车牌识别算法的发展现状 | 第9-11页 |
| 1.2.1 国外发展现状 | 第9-10页 |
| 1.2.2 国内发展现状 | 第10-11页 |
| 1.3 论文主要内容和组织结构 | 第11-14页 |
| 1.3.1 主要研究内容 | 第11-12页 |
| 1.3.2 组织结构 | 第12-14页 |
| 第二章 车辆牌照识别原理 | 第14-17页 |
| 2.1 我国车辆牌照相关知识概述 | 第14-15页 |
| 2.2 车辆牌照识别原理 | 第15-16页 |
| 2.3 本章小结 | 第16-17页 |
| 第三章 基于模板匹配的字符识别算法研究 | 第17-24页 |
| 3.1 模板匹配法理论概述 | 第17-19页 |
| 3.1.1 字符的特征提取 | 第17页 |
| 3.1.2 训练集特征库的建立 | 第17-18页 |
| 3.1.3 模板匹配分类法 | 第18-19页 |
| 3.2 基于模板匹配的车牌识别算法 | 第19-22页 |
| 3.2.1 特征提取 | 第19-20页 |
| 3.2.2 模板库建立 | 第20-21页 |
| 3.2.3 字符识别 | 第21页 |
| 3.2.4 实验结果 | 第21-22页 |
| 3.2.5 结果分析 | 第22页 |
| 3.3 特征提取模板的确定 | 第22-23页 |
| 3.4 本章小结 | 第23-24页 |
| 第四章 基于 BP 神经网络的字符识别算法研究 | 第24-41页 |
| 4.1 人工神经网络的基本原理 | 第24-26页 |
| 4.1.1 人工神经元 | 第24-25页 |
| 4.1.2 人工神经网络模型 | 第25-26页 |
| 4.1.3 神经网络学习过程 | 第26页 |
| 4.2 BP 神经网络概述 | 第26-34页 |
| 4.2.1 三层 BP 网络学习算法 | 第26-31页 |
| 4.2.2 BP 算法的步骤 | 第31-32页 |
| 4.2.4 BP 算法的主要改进途径 | 第32-33页 |
| 4.2.5 BP 网络的设计需考虑的问题 | 第33-34页 |
| 4.3 基于神经网络的车牌识别算法 | 第34-40页 |
| 4.3.1 特征提取 | 第34-35页 |
| 4.3.2 网络设计 | 第35-37页 |
| 4.3.3 训练样本集建立 | 第37-38页 |
| 4.3.4 BP 网络训练 | 第38页 |
| 4.3.5 BP 网络分类 | 第38-39页 |
| 4.3.6 算法改进 | 第39页 |
| 4.3.7 实验结果 | 第39-40页 |
| 4.3.8 结果分析 | 第40页 |
| 4.4 本章小结 | 第40-41页 |
| 第五章 基于 SVM 的字符识别算法研究 | 第41-58页 |
| 5.1 支持向量机理论概述 | 第41-49页 |
| 5.1.1 统计学习理论的相关知识 | 第41-42页 |
| 5.1.2 统计学习理论的核心内容 | 第42-45页 |
| 5.1.3 支持向量机算法理论 | 第45-49页 |
| 5.2 基于支持向量机的车牌识别算法 | 第49-57页 |
| 5.2.1 特征提取 | 第51-52页 |
| 5.2.2 字符分类器的设计 | 第52-53页 |
| 5.2.3 训练样本集建立 | 第53-54页 |
| 5.2.4 SVM 分类器训练 | 第54-55页 |
| 5.2.5 车牌字符分类 | 第55-56页 |
| 5.2.6 实验结果 | 第56页 |
| 5.2.7 结果分析 | 第56-57页 |
| 5.3 本章小结 | 第57-58页 |
| 第六章 基于多分类算法组合的字符识别算法研究 | 第58-62页 |
| 6.1 多分类算法组合概述 | 第58-59页 |
| 6.1.1 多分类算法组合思想 | 第58页 |
| 6.1.2 多分类算法组合步骤 | 第58页 |
| 6.1.3 多分类算法组合的方法 | 第58-59页 |
| 6.2 基于多分类算法组合的车牌识别算法 | 第59-61页 |
| 6.2.1 权值的设置 | 第60页 |
| 6.2.2 加权投票规则 | 第60-61页 |
| 6.2.3 实验结果与分析 | 第61页 |
| 6.3 本章小结 | 第61-62页 |
| 第七章 车牌识别系统的设计与实现 | 第62-67页 |
| 7.1 系统的功能分析 | 第62页 |
| 7.2 系统的体系结构 | 第62-63页 |
| 7.3 系统的功能测试 | 第63-66页 |
| 7.4 本章小结 | 第66-67页 |
| 结语与展望 | 第67-69页 |
| 参考文献 | 第69-71页 |
| 致谢 | 第71页 |
