基于数字图像处理的车牌识别关键技术研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第1章 绪论 | 第9-17页 |
| ·车牌自动识别的研究意义 | 第10-11页 |
| ·车牌自动识别的主要方法 | 第11-13页 |
| ·IC卡识别技术 | 第11-12页 |
| ·条形码识别技术 | 第12页 |
| ·图象处理技术 | 第12页 |
| ·传统模式识别技术 | 第12-13页 |
| ·人工神经网络技术 | 第13页 |
| ·车牌自动识别难点 | 第13-15页 |
| ·我国汽车牌照自身特点 | 第13-14页 |
| ·外部环境影响 | 第14页 |
| ·拍摄角度问题 | 第14-15页 |
| ·论文的组织安排 | 第15-17页 |
| 第2章 车牌识别相关的数字图像处理理论和技术 | 第17-21页 |
| ·引言 | 第17页 |
| ·数字图像处理发展 | 第17页 |
| ·数字图像处理研究范围 | 第17-18页 |
| ·数字图像处理的特点及其与车牌识别技术的相同点 | 第18-20页 |
| ·本章小结 | 第20-21页 |
| 第3章 车牌图像预处理算法分析 | 第21-29页 |
| ·引言 | 第21页 |
| ·图像灰度化 | 第21-22页 |
| ·直方图均衡化 | 第22-24页 |
| ·基于偏微分方程的图像滤波 | 第24-27页 |
| ·偏微分方程简介 | 第24页 |
| ·基于偏微分方程图像降噪的优点 | 第24页 |
| ·Alvarez模型算法去噪 | 第24-25页 |
| ·改进的Alvarez模型算法 | 第25-27页 |
| ·本章小结 | 第27-29页 |
| 第4章 车牌图像定位提取算法分析 | 第29-41页 |
| ·引言 | 第29页 |
| ·车牌规格及特征 | 第29-30页 |
| ·基于车牌图像颜色变化定位 | 第30-36页 |
| ·车牌色彩变化特征 | 第30页 |
| ·将RGB图像转化为HSI图像 | 第30-34页 |
| ·车牌边界的确定 | 第34-36页 |
| ·基于车牌图像灰度变化定位 | 第36-39页 |
| ·二值化处理 | 第36-37页 |
| ·边缘检测 | 第37页 |
| ·车牌上下边界确定 | 第37-38页 |
| ·车牌左右边界确定 | 第38-39页 |
| ·2种方法的比较 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第5章 车牌字符分割算法分析 | 第41-53页 |
| ·引言 | 第41页 |
| ·车牌字符分割简介 | 第41-42页 |
| ·车牌图像倾斜矫正 | 第42-44页 |
| ·字符上下边框和铆钉的去除 | 第44-47页 |
| ·车牌上下边框的去除 | 第44-45页 |
| ·车牌铆钉的去除 | 第45-47页 |
| ·基于连通域与垂直投影相结合的车牌字符分割 | 第47-48页 |
| ·车牌字符归一化 | 第48-50页 |
| ·车牌字符细化 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第6章 车牌字符识别算法分析 | 第53-65页 |
| ·引言 | 第53页 |
| ·字符识别方法简介 | 第53-55页 |
| ·BP神经网络简介 | 第55-59页 |
| ·BP神经网络原理 | 第55-57页 |
| ·BP神经网络算法 | 第57-59页 |
| ·分类器的选择 | 第59-63页 |
| ·字母、数字字符特征提取 | 第59-61页 |
| ·字母、数字字符分类器的设计 | 第61-62页 |
| ·汉字字符特征提取 | 第62页 |
| ·汉字字符分类器的设计 | 第62-63页 |
| ·实验结果 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 第7章 总结与展望 | 第65-67页 |
| ·全文总结 | 第65页 |
| ·研究展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第70-71页 |
| 致谢 | 第71页 |
