| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 引言 | 第10-11页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 车牌字符的研究背景 | 第11-13页 |
| 1.1.1 人工神经网络简介 | 第11-12页 |
| 1.1.2 人工神经网络的发展与应用 | 第12页 |
| 1.1.3 神经网络的特性和功能 | 第12-13页 |
| 1.2 国内外应用现状 | 第13-15页 |
| 1.2.1 国外应用现状 | 第13-14页 |
| 1.2.2 国内应用现状 | 第14-15页 |
| 1.3 主要研究内容 | 第15-17页 |
| 第2章 图像的采集与预处理 | 第17-24页 |
| 2.1 图像的采集 | 第17-20页 |
| 2.1.1 摄像机参数的选取 | 第18-19页 |
| 2.1.2 镜头的选择 | 第19-20页 |
| 2.2 图像的预处理 | 第20-23页 |
| 2.2.1 图像的灰度化 | 第20-21页 |
| 2.2.2 图像的灰度拉伸 | 第21-22页 |
| 2.2.3 图像滤波 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 车牌的定位 | 第24-34页 |
| 3.1 边缘检测 | 第26-29页 |
| 3.2 数学形态学 | 第29-33页 |
| 3.2.1 数学形态学的概述 | 第29-31页 |
| 3.2.2 车牌的数学形态学处理 | 第31-33页 |
| 3.3 本章小结 | 第33-34页 |
| 第4章 字符的分割与处理 | 第34-40页 |
| 4.1 字符的分割 | 第34-35页 |
| 4.2 字符的处理 | 第35-39页 |
| 4.2.1 字符大小的归一化 | 第36页 |
| 4.2.2 字符的特征提取 | 第36-37页 |
| 4.2.3 K-L变换 | 第37-38页 |
| 4.2.4 利用K-L变换提取字符特征 | 第38-39页 |
| 4.3 本章小结 | 第39-40页 |
| 第5章 基于BP神经网络的车牌字符识别 | 第40-63页 |
| 5.1 人工神经元模型 | 第40-41页 |
| 5.2 神经网络常用的激发函数 | 第41-42页 |
| 5.3 BP神经网络概述 | 第42-48页 |
| 5.3.1 BP神经网络结构模型 | 第42-44页 |
| 5.3.2 BP网络学习算法 | 第44-48页 |
| 5.4 BP算法的不足与改进 | 第48-51页 |
| 5.4.1 BP训练算法的不足之处 | 第48-49页 |
| 5.4.2 BP算法的改进措施 | 第49-51页 |
| 5.5 Matlab环境下的BP网络的结构设计及编程实现 | 第51-61页 |
| 5.5.1 BP网络参数的选择 | 第52-54页 |
| 5.5.2 BP网络的构建和初始化 | 第54-57页 |
| 5.5.3 参数的设定和训练网络 | 第57-59页 |
| 5.5.4 字符的识别 | 第59-61页 |
| 5.6 实验结论 | 第61页 |
| 5.7 本章小结 | 第61-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 导师简介 | 第68页 |
| 企业导师简介 | 第68-69页 |
| 作者简介 | 第69-70页 |
| 学位论文数据集 | 第70页 |