车牌识别算法的研究与实现
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题的研究背景 | 第10-11页 |
| 1.2 车牌识别的主要方法 | 第11-12页 |
| 1.2.1 IC 卡识别技术 | 第11页 |
| 1.2.2 条形码识别技术 | 第11页 |
| 1.2.3 图像处理与模式识别技术 | 第11-12页 |
| 1.2.4 人工神经网络技术 | 第12页 |
| 1.3 车牌识别在国内外研究状况 | 第12-15页 |
| 1.4 我国汽车牌照的特殊性 | 第15页 |
| 1.5 论文的主要工作 | 第15-17页 |
| 第2章 车牌定位与图像预处理 | 第17-36页 |
| 2.1 车辆图像预处理 | 第17-28页 |
| 2.1.1 彩色车辆图像的灰度化 | 第17-19页 |
| 2.1.2 图像增强 | 第19-23页 |
| 2.1.3 边缘检测 | 第23-28页 |
| 2.2 车牌定位算法 | 第28-30页 |
| 2.2.1 车牌的基本特征 | 第28页 |
| 2.2.2 车牌照的定位算法 | 第28-30页 |
| 2.3 车牌照图像预处理 | 第30-35页 |
| 2.3.1 车牌照图像二值化 | 第30-31页 |
| 2.3.2 车牌照图像的倾斜校正 | 第31-33页 |
| 2.3.3 车牌照上下边框的去除 | 第33-34页 |
| 2.3.4 切割出车牌的最小范围 | 第34-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第3章 车牌字符的分割 | 第36-42页 |
| 3.1 传统的车牌字符分割方法 | 第36-38页 |
| 3.1.1 水平投影法 | 第36-37页 |
| 3.1.2 模板匹配法 | 第37-38页 |
| 3.1.3 聚类分析法 | 第38页 |
| 3.2 本文采用的车牌字符分割方法 | 第38-40页 |
| 3.3 字符的归一化 | 第40-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 车牌字符特征提取和分类识别 | 第42-61页 |
| 4.1 字符识别方法概述 | 第42-44页 |
| 4.2 字符特征提取 | 第44-47页 |
| 4.2.1 字符特征提取方法概述 | 第44-46页 |
| 4.2.2 改进的粗网格特征提取方法 | 第46-47页 |
| 4.3 基于神经网络的字符识别 | 第47-50页 |
| 4.3.1 BP 神经网络学习算法 | 第47-50页 |
| 4.4 BP 神经网络的设计 | 第50-55页 |
| 4.4.1 输入层神经元个数 | 第51-52页 |
| 4.4.2 输出层神经元个数 | 第52页 |
| 4.4.3 隐含层层数的选择及隐含层神经元数目 | 第52-53页 |
| 4.4.4 激励函数的选择 | 第53-55页 |
| 4.5 BP 网络的参数设置和训练识别 | 第55-59页 |
| 4.6 识别效果 | 第59-60页 |
| 4.7 本章小结 | 第60-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间发表的学术论文 | 第66-67页 |
| 致谢 | 第67页 |
