基于粗糙集理论的车牌识别系统的研究
| 提要 | 第1-9页 |
| 第1章 绪论 | 第9-14页 |
| ·研究背景及意义 | 第9页 |
| ·国内外车牌识别技术研究现状 | 第9-11页 |
| ·粗糙集理论发展及研究概况 | 第11-12页 |
| ·课题研究内容 | 第12-14页 |
| 第2章 粗糙集基本理论 | 第14-23页 |
| ·粗糙集的基本概念 | 第14-17页 |
| ·知识与知识库 | 第14-15页 |
| ·信息系统 | 第15页 |
| ·不可分辨关系 | 第15页 |
| ·上近似集和下近似集 | 第15-17页 |
| ·知识的化简与知识的依赖性 | 第17-19页 |
| ·知识的化简 | 第17-18页 |
| ·知识的依赖性 | 第18-19页 |
| ·决策表与决策规则 | 第19-21页 |
| ·决策表的概念 | 第19-20页 |
| ·属性约简和决策表约简 | 第20页 |
| ·决策规则 | 第20-21页 |
| ·基于粗糙集理论的知识获取 | 第21-23页 |
| 第3章 车牌图像的预处理 | 第23-33页 |
| ·车牌图像的采集技术 | 第23页 |
| ·车辆检测 | 第23页 |
| ·车牌图像获取 | 第23页 |
| ·车牌图像增强处理 | 第23-30页 |
| ·灰度转换 | 第24-25页 |
| ·维纳滤波 | 第25-28页 |
| ·灰度变换增强 | 第28-30页 |
| ·车牌图像形态学处理 | 第30-33页 |
| ·腐蚀与膨胀 | 第30-31页 |
| ·开与闭运算 | 第31页 |
| ·击中与击不中变换 | 第31页 |
| ·细化处理 | 第31-33页 |
| 第4章 基于粗糙集与神经网络的车牌定位技术研究 | 第33-47页 |
| ·车牌基本特征 | 第33-35页 |
| ·常用的车牌定位方法概述 | 第35-36页 |
| ·车牌定位算法理论基础 | 第36-39页 |
| ·神经网络 | 第36-39页 |
| ·粗糙集与神经网络的结合 | 第39页 |
| ·车牌定位算法 | 第39-45页 |
| ·BP 神经网络的改进 | 第40页 |
| ·粗糙集-神经网络模型 | 第40-41页 |
| ·神经网络的学习算法 | 第41-43页 |
| ·车牌定位 | 第43-45页 |
| ·车牌定位结果分析 | 第45-47页 |
| 第5章 车牌字符分割技术的实现 | 第47-57页 |
| ·图像分割理论基础 | 第47-48页 |
| ·图像分割分类 | 第48-50页 |
| ·典型字符分割方法介绍 | 第50-52页 |
| ·车牌字符分割算法 | 第52-56页 |
| ·车牌倾斜校正 | 第52-54页 |
| ·去除边框 | 第54页 |
| ·字符分割 | 第54-56页 |
| ·实验结果分析 | 第56-57页 |
| 第6章 车牌字符识别技术的研究 | 第57-64页 |
| ·车牌字符的特点 | 第57页 |
| ·车牌字符常用算法 | 第57-59页 |
| ·基于粗糙集理论的字符识别方法 | 第59-63页 |
| ·聚类分析概述 | 第59-60页 |
| ·粗糙属性约简算法 | 第60-61页 |
| ·字符识别流程 | 第61-63页 |
| ·实验结果及分析 | 第63-64页 |
| 第7章 总结与展望 | 第64-66页 |
| ·全文总结 | 第64页 |
| ·研究展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 摘要 | 第71-73页 |
| ABSTRACT | 第73-76页 |
| 导师及作者简介 | 第76页 |
