车牌识别技术的研究
| 第一章 绪论 | 第1-11页 |
| ·引言 | 第7页 |
| 1．2 国内外研究现状及发展方向 | 第7-8页 |
| 1．3 本文研究的主要方向 | 第8-11页 |
| 第二章 车牌图像的预处理 | 第11-25页 |
| 2．1 引言 | 第11-12页 |
| 2．2 提取颜色信息 | 第12-14页 |
| 2．3 彩色图像的灰度化 | 第14页 |
| 2．4 图像增强 | 第14-18页 |
| 2．4．1 图像增强概述 | 第14-15页 |
| 2．4．2 去噪处理 | 第15-16页 |
| 2．4．3 灰度拉伸 | 第16-17页 |
| 2．4．4 直方图均化 | 第17-18页 |
| 2．5 灰度图象的二值化 | 第18-20页 |
| 2．6 数学形态学图像处理 | 第20-21页 |
| 2．7 校正倾斜度 | 第21-23页 |
| 2．8 去除字符的上下干扰和多余的背景部分 | 第23-25页 |
| 第三章 车牌单个字符的分割 | 第25-32页 |
| 3．1 引言 | 第25-26页 |
| 3．2 标准车牌的分割算法a | 第26-30页 |
| 3．3 黄底车牌的分割算法b | 第30页 |
| 3．4 白底车牌的分割算法c | 第30-31页 |
| 3．5 车牌字符的归一化 | 第31-32页 |
| 第四章 车牌单个字符的识别 | 第32-42页 |
| 4．1 引言 | 第32-33页 |
| 4．2 BP神经网络算法基础知识 | 第33-34页 |
| 4．3 BP神经网络算法的实现 | 第34-35页 |
| 4．4 提高BP神经网络的收敛速度 | 第35-37页 |
| 4．5 本文的车牌识别方法 | 第37-42页 |
| 4．5．1 特征提取 | 第37页 |
| 4．5．2 粗分类 | 第37-38页 |
| 4．5．3 网络结构设计 | 第38-40页 |
| 4．5．4 学习与识别 | 第40页 |
| 4．5．5 实验结果 | 第40-42页 |
| 第五章 结束语 | 第42-46页 |
| 参考文献 | 第46-49页 |
| 致谢 | 第49-50页 |
| 攻读学位期间主要的研究成果 | 第50页 |
