车牌自动识别技术的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 引言 | 第9-15页 |
| ·课题背景及研究意义 | 第9页 |
| ·车牌自动识别系统概述 | 第9-11页 |
| ·车牌识别技术的主要方法 | 第10-11页 |
| ·车牌识别技术的国内外研究情况 | 第11-13页 |
| ·车牌定位技术的发展和现状 | 第11页 |
| ·字符分割的发展和现状 | 第11-12页 |
| ·字符识别技术的发展和现状 | 第12-13页 |
| ·我国汽车牌照的特殊性 | 第13页 |
| ·论文的主要工作 | 第13-14页 |
| ·本章小结 | 第14-15页 |
| 2 车牌识别系统总体设计 | 第15-19页 |
| ·图像处理的理论基础 | 第15页 |
| ·图像识别的三个主要阶段 | 第15-17页 |
| ·车牌识别系统的总体结构 | 第17-18页 |
| ·系统的硬件组成 | 第17-18页 |
| ·系统的软件部分 | 第18页 |
| ·本章小结 | 第18-19页 |
| 3 车牌定位 | 第19-34页 |
| ·我国汽车牌照的类型及特征 | 第19-20页 |
| ·我国汽车牌照类型 | 第19-20页 |
| ·我国车牌的特征 | 第20页 |
| ·车牌定位方法的发展状况 | 第20-21页 |
| ·车牌定位方法分析 | 第20-21页 |
| ·基于纹理和彩色特征的车牌定位算法 | 第21页 |
| ·车牌定位前的预处理技术 | 第21-28页 |
| ·彩色图像到灰度图像的变换 | 第22-23页 |
| ·从 RGB 到 HSI 的彩色空间转换 | 第23-24页 |
| ·直方图均衡化增强图像 | 第24-27页 |
| ·中值滤波 | 第27-28页 |
| ·车牌定位算法思路 | 第28页 |
| ·算法的实现过程 | 第28-33页 |
| ·边缘检测 | 第29-32页 |
| ·基于纹理的车牌初始定位 | 第32页 |
| ·基于 HSI 彩色信息的辅助定位 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 4 车牌字符分割 | 第34-44页 |
| ·车牌图像二值化 | 第34-37页 |
| ·二值化方法简介 | 第34-35页 |
| ·基于牌照空间分布的最大类间方差二值化方法 | 第35-37页 |
| ·车牌的倾斜校正 | 第37-40页 |
| ·车牌的倾斜类型 | 第37页 |
| ·Radon 变换进行倾斜校正 | 第37-40页 |
| ·车牌上下边框和表面干扰的去除 | 第40-41页 |
| ·车牌字符垂直分割 | 第41-43页 |
| ·字符垂直切分方法回顾 | 第41页 |
| ·基于垂直投影和字符排列特征的分割方法 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 5 基于 BP 神经网络的车牌字符识别 | 第44-62页 |
| ·字符识别技术的发展情况 | 第44-45页 |
| ·字符识别算法分类 | 第45-47页 |
| ·模板匹配法 | 第45-46页 |
| ·特征分析匹配方法 | 第46页 |
| ·神经网络识别方法 | 第46-47页 |
| ·BP 神经网络结构 | 第47-53页 |
| ·人工神经网络知识 | 第47-49页 |
| ·BP 学习算法 | 第49-53页 |
| ·应用 BP 神经网络识别车牌字符 | 第53-58页 |
| ·字符图像的归一化 | 第53-55页 |
| ·提取字符的特征向量 | 第55-58页 |
| ·BP 网络结构的设计 | 第58-61页 |
| ·BP 网络设计参数的选择 | 第59-60页 |
| ·BP 算法的改进措施 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 6 实验结果分析 | 第62-65页 |
| ·实验环境 | 第62页 |
| ·实验方法及结果分析 | 第62-65页 |
| 结论 | 第65-66页 |
| 致谢 | 第66-67页 |
| 在读期间发表的学术论文 | 第67-68页 |
| 参考文献 | 第68-70页 |
