基于智能信息处理方法的车牌识别算法的研究
| 提要 | 第1-7页 |
| 第1章 绪论 | 第7-12页 |
| ·引言 | 第7-8页 |
| ·车牌识别系统的国内外发展状况 | 第8-10页 |
| ·智能信息处理技术在车牌识别系统中的应用 | 第10-11页 |
| ·本文的主要研究内容 | 第11-12页 |
| 第2章 图像预处理 | 第12-21页 |
| ·图像的灰度转换 | 第12-13页 |
| ·图像增强 | 第13-15页 |
| ·均值滤波 | 第13-14页 |
| ·中值滤波 | 第14页 |
| ·自适应滤波 | 第14-15页 |
| ·图像的二值化 | 第15-17页 |
| ·边缘检测 | 第17-20页 |
| ·本章小结 | 第20-21页 |
| 第3章 基于投影法和遗传算法的车牌定位 | 第21-45页 |
| ·引言 | 第21-23页 |
| ·遗传算法的基本原理 | 第23-36页 |
| ·生物进化理论与遗传学基本知识 | 第24-25页 |
| ·遗传算法的基本思想 | 第25-26页 |
| ·遗传算法的基本操作方法 | 第26-36页 |
| ·基于投影法的车牌左右边界定位方法 | 第36-38页 |
| ·基于遗传算法的车牌上下边界的定位方法 | 第38-42页 |
| ·综合试验结果 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 字符分割与归一化 | 第45-53页 |
| ·倾斜校正 | 第45-48页 |
| ·对比度增强 | 第45-46页 |
| ·车牌倾斜校正 | 第46-48页 |
| ·分段阈值二值化方法 | 第48-49页 |
| ·车牌上下边框和铆钉的去除 | 第49页 |
| ·字符分割 | 第49-51页 |
| ·字符归一化 | 第51-52页 |
| ·字符大小归一化 | 第51-52页 |
| ·字符位置归一化 | 第52页 |
| ·本章小结 | 第52-53页 |
| 第5章 基于BP网络的字符识别 | 第53-70页 |
| ·常用的字符识别方法 | 第53-54页 |
| ·模板匹配法 | 第53页 |
| ·特征分析匹配法 | 第53-54页 |
| ·人工神经网络识别法 | 第54页 |
| ·BP网络的基本原理 | 第54-62页 |
| ·人工神经元模型 | 第54-55页 |
| ·BP网络与BP算法 | 第55-62页 |
| ·BP网络分类器的设计 | 第62-65页 |
| ·网络层数的确定 | 第62页 |
| ·隐含层节点数的确定 | 第62-63页 |
| ·学习速率和动量因子的选择 | 第63页 |
| ·输出层神经元的个数 | 第63-65页 |
| ·试验结果 | 第65-67页 |
| ·训练样本 | 第65-66页 |
| ·实验结果 | 第66-67页 |
| ·字母数字网络中易错识字符的解决方案 | 第67-69页 |
| ·本章小结 | 第69-70页 |
| 第6章 全文总结 | 第70-72页 |
| ·主要工作和结论 | 第70-71页 |
| ·今后待解决的问题 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 摘要 | 第76-79页 |
| ABSTRACT | 第79-83页 |
| 致谢 | 第83-84页 |
| 导师及作者简介 | 第84页 |
