基于matlab的汽车车牌识别系统的设计与实现
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.1.1 课题背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第11-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 本章小结 | 第14-15页 |
| 第2章 相关技术分析 | 第15-21页 |
| 2.1 深度学习介绍 | 第15页 |
| 2.2 卷积神经网络概述 | 第15-16页 |
| 2.3 卷积神经网络推导及实现 | 第16-17页 |
| 2.3.1 卷积层 | 第17页 |
| 2.3.2 子采样层 | 第17页 |
| 2.4 卷积神经网络结构 | 第17-19页 |
| 2.4.1 稀疏连接 | 第18-19页 |
| 2.4.2 权值共享 | 第19页 |
| 2.5 卷积神经网络的训练 | 第19-20页 |
| 2.6 本章小结 | 第20-21页 |
| 第3章 车牌图像处理 | 第21-37页 |
| 3.1 车牌特征简介 | 第21页 |
| 3.2 图像的预处理 | 第21-22页 |
| 3.2.1 彩色图像灰度化 | 第21-22页 |
| 3.2.2 图像的平滑滤波 | 第22页 |
| 3.3 常用的车牌定位算法 | 第22-26页 |
| 3.3.1 基于形态学的车牌定位算法 | 第22页 |
| 3.3.2 基于边缘信息的车牌定位算法 | 第22-24页 |
| 3.3.3 基于颜色空间的车牌定位 | 第24-25页 |
| 3.3.4 基于机器学习的车牌定位 | 第25-26页 |
| 3.4 基于颜色信息与边缘信息的车牌定位 | 第26-29页 |
| 3.5 车牌的二值化 | 第29-30页 |
| 3.6 车牌倾斜校正 | 第30-34页 |
| 3.6.1 车牌倾斜的情况 | 第30-31页 |
| 3.6.2 车牌的水平校正 | 第31-32页 |
| 3.6.3 去除车牌的水平边框 | 第32-33页 |
| 3.6.4 车牌的垂直校正 | 第33-34页 |
| 3.7 字符分割 | 第34-36页 |
| 3.7.1 常用的字符分割算法 | 第34-35页 |
| 3.7.2 改进的垂直投影字符分割算法 | 第35-36页 |
| 3.8 本章小结 | 第36-37页 |
| 第4章 基于卷积神经网络的字符识别 | 第37-44页 |
| 4.1 卷积神经网络在字符识别中的应用 | 第37页 |
| 4.2 LeNet-5简介 | 第37-39页 |
| 4.3 ILeNet-5网络 | 第39-41页 |
| 4.3.1 ILeNet-5的几个关键点 | 第39-40页 |
| 4.3.2 ILeNet-5的具体结构 | 第40-41页 |
| 4.4 ILeNet-5的训练 | 第41-43页 |
| 4.4.1 训练集的选取 | 第42页 |
| 4.4.2 ILeNet-5训练方式 | 第42页 |
| 4.4.3 ILeNet-5的收敛 | 第42-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第5章 车牌识别效果与测试分析 | 第44-51页 |
| 5.1 车牌识别系统简介 | 第44页 |
| 5.2 系统识别效果 | 第44-47页 |
| 5.3 系统测试分析 | 第47-50页 |
| 5.3.1 测试计划 | 第47-48页 |
| 5.3.2 测试平台搭建 | 第48页 |
| 5.3.3 测试分析 | 第48-50页 |
| 5.4 本章小结 | 第50-51页 |
| 第6章 总结与展望 | 第51-53页 |
| 6.1 论文总结 | 第51页 |
| 6.2 展望 | 第51-53页 |
| 参考文献 | 第53-60页 |
| 感谢 | 第60-61页 |
