基于神经网络的车牌牌照识别系统的研究与实现
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-14页 |
| ·课题研究背景及意义 | 第7页 |
| ·国内外研究现状 | 第7-9页 |
| ·国内现状 | 第7-8页 |
| ·国外现状 | 第8页 |
| ·我国汽车牌照的特殊性 | 第8-9页 |
| ·本文的主要工作 | 第9-12页 |
| ·车辆牌照自动识别系统概述 | 第9-10页 |
| ·本文的研究内容 | 第10-12页 |
| ·本文所做的主要工作 | 第12页 |
| ·论文的组织结构 | 第12-14页 |
| 第二章 车牌图像预处理 | 第14-28页 |
| ·车牌图像的采集 | 第14-15页 |
| ·车牌图像的灰度化 | 第15-16页 |
| ·车牌图像的增强 | 第16-21页 |
| ·灰度拉伸 | 第16-19页 |
| ·图像滤波 | 第19-21页 |
| ·车牌图像的二值化 | 第21-23页 |
| ·车牌图像的边缘检测 | 第23-27页 |
| ·边缘检测的定义 | 第23-24页 |
| ·边缘检测算子及其比较 | 第24-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 车牌定位 | 第28-36页 |
| ·我国车牌的特征 | 第28-29页 |
| ·常用的车牌定位方法 | 第29-31页 |
| ·车牌定位算法 | 第31-34页 |
| ·基于行扫描的车牌水平定位 | 第31-33页 |
| ·基于投影法的车牌垂直定位 | 第33-34页 |
| ·车牌图像统一底色 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 车牌字符分割 | 第36-43页 |
| ·车牌分割的预处理 | 第36-38页 |
| ·倾斜校正 | 第36-38页 |
| ·去除车牌边框 | 第38页 |
| ·常用的车牌字符分割方法 | 第38-39页 |
| ·车牌字符分割算法 | 第39-42页 |
| ·垂直投影分割算法 | 第39-40页 |
| ·利用字符特征进行精分割 | 第40-41页 |
| ·字符归一化 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 基于BP 神经网络的字符识别 | 第43-61页 |
| ·车牌识别常用方法 | 第43页 |
| ·特征提取 | 第43-47页 |
| ·K-L 变换 | 第44-46页 |
| ·计算K-L 变换矩阵 | 第46-47页 |
| ·计算车牌字符特征 | 第47页 |
| ·神经网络概述 | 第47-48页 |
| ·BP 神经网络的基本原理 | 第48-53页 |
| ·BP 神经网络模型 | 第48-50页 |
| ·标准BP 学习算法 | 第50-52页 |
| ·BP 网络训练 | 第52-53页 |
| ·基于改进的BP 神经网络的车牌字符识别 | 第53-60页 |
| ·分类器的设计 | 第53-54页 |
| ·BP 算法的缺陷 | 第54-55页 |
| ·BP 网络的设计 | 第55-56页 |
| ·BP 算法的改进 | 第56-60页 |
| ·本章小结 | 第60-61页 |
| 第六章 系统仿真实现与实验结果分析 | 第61-70页 |
| ·系统实现的软件平台 | 第61-62页 |
| ·构建BP 网络 | 第62-63页 |
| ·设定参数及训练 | 第63-64页 |
| ·实验结果 | 第64-66页 |
| ·系统功能介绍 | 第66-70页 |
| 第七章 总结和展望 | 第70-71页 |
| 参考文献 | 第71-73页 |
| 在学期间发表的论文及科研成果清单 | 第73-74页 |
| 致谢 | 第74页 |
