| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 前言 | 第8-11页 |
| ·研究背景 | 第8页 |
| ·研究目的与意义 | 第8页 |
| ·国内外神经网络图像识别的研究现状 | 第8-9页 |
| ·论文的研究内容及组织结构 | 第9-11页 |
| 第2章 基于神经网络的图像识别技术的研究 | 第11-23页 |
| ·图像识别方法 | 第11-12页 |
| ·人工神经网络 | 第12-16页 |
| ·人工神经网络的结构与特点 | 第13-14页 |
| ·与传统分类器对比 | 第14页 |
| ·神经元基本模型 | 第14-16页 |
| ·神经网络识别方法 | 第16-23页 |
| ·BP 神经网络模型 | 第16-17页 |
| ·BP 算法的表达 | 第17-20页 |
| ·BP 算法的步骤 | 第20-21页 |
| ·BP 网络存在的问题 | 第21-23页 |
| 第3章 图像预处理的相关技术 | 第23-33页 |
| ·图像预处理 | 第23-26页 |
| ·图像的灰度化 | 第23-24页 |
| ·图像的二值化 | 第24-25页 |
| ·图像增强 | 第25-26页 |
| ·图像的锐化 | 第26页 |
| ·图像分割 | 第26-29页 |
| ·图像分割算法分类 | 第27-28页 |
| ·边缘检测 | 第28-29页 |
| ·特征提取 | 第29-32页 |
| ·特征提取的常用方法 | 第30-32页 |
| 小结 | 第32-33页 |
| 第4章 图像处理技术的改进及BP 网络的优化 | 第33-40页 |
| ·图像处理技术的改进 | 第33-34页 |
| ·BP 神经网络的优化 | 第34-39页 |
| ·BP 神经网络参数的确定 | 第35-38页 |
| ·学习速率的整体自适应 | 第38页 |
| ·带动量因子的BP 学习算法 | 第38-39页 |
| 小结 | 第39-40页 |
| 第5章 基于BP 神经网络的车牌数字识别系统的设计 | 第40-50页 |
| ·图像预处理流程图 | 第40-41页 |
| ·程序设计 | 第41-46页 |
| ·图像预处理模块 | 第41-42页 |
| ·特征提取模块 | 第42-43页 |
| ·BP 神经网络的图像识别模块 | 第43-46页 |
| ·实验结果 | 第46-49页 |
| ·逐像素特征提取法 | 第46-47页 |
| ·特征融合法 | 第47-49页 |
| ·结果分析及讨论 | 第49页 |
| 小结 | 第49-50页 |
| 第6章 结束语 | 第50-52页 |
| ·论文的主要工作 | 第50页 |
| ·论文的创新及技术难点 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士学位期间取得的学术成果 | 第55-56页 |
| 致谢 | 第56页 |