结合人工蜂群的车牌识别算法
| 摘要 | 第1-6页 |
| Abstract | 第6-14页 |
| 1 绪论 | 第14-18页 |
| ·车牌识别背景 | 第14-15页 |
| ·车牌识别的研究现状 | 第15-17页 |
| ·国内外车辆牌照识别技术现状 | 第15-16页 |
| ·中国的车牌特点 | 第16页 |
| ·车牌识别算法 | 第16-17页 |
| ·本文主要研究的内容 | 第17页 |
| ·论文结构 | 第17-18页 |
| 2 人工蜂群算法 | 第18-24页 |
| ·蜜蜂采蜜机制 | 第18-20页 |
| ·人工蜂群算法基本思想 | 第20页 |
| ·人工蜂群算法的主要步骤 | 第20-21页 |
| ·人工蜂群算法的特点 | 第21-22页 |
| ·小结 | 第22-24页 |
| 3 车牌图像预处理 | 第24-28页 |
| ·灰度化处理 | 第24页 |
| ·图像增强 | 第24-27页 |
| ·灰度变换 | 第25-26页 |
| ·中值滤波 | 第26-27页 |
| ·小结 | 第27-28页 |
| 4 基于人工蜂群算法的车牌定位 | 第28-44页 |
| ·车牌定位常用的方法 | 第28-29页 |
| ·基于人工蜂群算法的图像边缘检测 | 第29-34页 |
| ·sobel算子 | 第29-30页 |
| ·最大类间方差法(Otsu) | 第30-31页 |
| ·基于RGB空间的彩色图像边缘检测 | 第31-32页 |
| ·结合人工蜂群算法和RGB彩色空间的边缘检测方法 | 第32-34页 |
| ·基于形态学的车牌定位 | 第34-37页 |
| ·腐蚀和膨胀 | 第34-35页 |
| ·开运算和闭运算 | 第35页 |
| ·基于形态学的车牌定位 | 第35-37页 |
| ·基于像素跳变的车牌定位 | 第37-38页 |
| ·基于彩色信息的车牌定位 | 第38-41页 |
| ·HSV彩色空间 | 第38-39页 |
| ·将颜色从RGB空间向HSV空间转化 | 第39-40页 |
| ·基于彩色信息的车牌定位 | 第40-41页 |
| ·小结 | 第41-44页 |
| 5 基于人工蜂群算法的车牌字符分割 | 第44-54页 |
| ·我国车牌特征 | 第44-45页 |
| ·车牌字符分割方法 | 第45页 |
| ·基于人工蜂群算法的车牌图像二值化 | 第45-48页 |
| ·二值化的几种方法 | 第46-47页 |
| ·结合人工蜂群算法的二值化 | 第47-48页 |
| ·膨胀腐蚀操作 | 第48-49页 |
| ·车牌去边框和铆钉 | 第49-50页 |
| ·车牌字符分割 | 第50-52页 |
| ·小结 | 第52-54页 |
| 6 基于人工蜂群算法的车牌字符识别 | 第54-76页 |
| ·字符归一化 | 第55-57页 |
| ·字符细化 | 第57-58页 |
| ·击中或击不中变换 | 第57页 |
| ·形态学细化 | 第57-58页 |
| ·几种字符识别方法 | 第58-60页 |
| ·字符特征提取 | 第60-61页 |
| ·神经网络 | 第61-62页 |
| ·BP神经网络原理 | 第62-66页 |
| ·正向传播 | 第63-64页 |
| ·反向传播 | 第64-66页 |
| ·结合ABC算法和BP神经网络的车牌字符识别 | 第66-73页 |
| ·BP网络的层数 | 第66-67页 |
| ·各层的节点数 | 第67-69页 |
| ·传递函数 | 第69-70页 |
| ·误差函数 | 第70页 |
| ·结合ABC算法初始化权值和偏置 | 第70-72页 |
| ·训练方法 | 第72页 |
| ·基于ABC算法和BP神经网络的字符识别 | 第72-73页 |
| ·小结 | 第73-76页 |
| 7 总结 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82-84页 |
| 作者简介及读研期间主要科研成果 | 第84页 |
