基于神经网络的新型车牌识别技术研究

摘要	第1-5页
Abstract	第5-10页
第一章 绪论	第10-17页
·车牌识别技术的应用背景	第10页
·车牌识别技术的国内外研究现状	第10-12页
·车牌定位	第11页
·字符分割	第11-12页
·字符识别	第12页
·我国汽车牌照的特点	第12-13页
·车牌识别系统的结构	第13-15页
·本论文的主要内容和章节安排	第15-17页
·课题研究的主要内容	第15-16页
·本论文的主要章节安排	第16-17页
第二章 车牌识别系统的构成及软件实现	第17-21页
·系统的硬件构成	第17-18页
·车辆检测模块的工作原理	第17-18页
·车辆采集模块的工作原理	第18页
·图像采集卡的安装	第18页
·本文图像的采集方法	第18页
·系统的软件构成	第18-20页
·系统的软件开发平台简介	第18-19页
·系统的软件模块构成	第19-20页
·本章小结	第20-21页
第三章 车牌图像预处理	第21-38页
·灰度化	第21-22页
·二值化	第22-25页
·图像增强	第25-30页
·灰度拉伸增强对比度	第26-28页
·直方图均衡化	第28-29页
·中值滤波技术	第29-30页
·边缘检测技术	第30-35页
·数学形态学基本运算	第35-37页
·本章小结	第37-38页
第四章 车牌定位与字符分割技术	第38-57页
·车牌定位技术	第38-49页
·基于数学形态学的车牌定位	第38-39页
·基于纹理特征的车牌定位	第39-41页
·基于颜色分割的车牌定位	第41-49页
·车牌字符分割方法	第49-56页
·车牌的倾斜校正	第49-51页
·车牌的边框去除算法	第51-52页
·基于投影特征和固定间距的车牌字符分割方法	第52-54页
·车牌字符的归一化处理	第54-56页
·本章小结	第56-57页
第五章 车牌字符的特征定义及分析	第57-67页
·常用的特征提取方法	第57-58页
·基于字符结构的特征提取	第57-58页
·基于图像统计信息的特征提取	第58页
·粗网格的特征提取方法	第58-59页
·基于直方图的像素投影特征	第59-60页
·基于特征线的像素统计特征	第60-61页
·基于Gabor 的小波特征	第61-66页
·Gabor 函数和Gabor 小波	第62-64页
·多通道Gabor 小波的特征计算	第64-66页
·本章小结	第66-67页
第六章 车牌字符识别	第67-82页
·模板匹配识别方法	第67-69页
·模板匹配原理	第67-68页
·模板匹配法的车牌字符识别实现	第68-69页
·人工神经网络的字符识别方法	第69-78页
·神经元模型	第69-71页
·BP 神经网络	第71-77页
·基于BP 神经网络的车牌字符识别实现	第77-78页
·车牌识别分类方法的应用与对比分析	第78-81页
·单个字符的识别实验测试	第78-80页
·整幅车牌的识别实验测试	第80-81页
·本章小结	第81-82页
第七章 车牌识别系统的数据库管理	第82-89页
·功能需求分析	第82页
·系统数据库的设计	第82-88页
·记录表的设计	第82-84页
·开发过程中的几个关键技术	第84-86页
·系统数据库主程序设计	第86-88页
·本章小结	第88-89页
第八章 车牌识别技术的总结与展望	第89-91页
·总结评价	第89页
·展望	第89-91页
参考文献	第91-94页
附录A 神经网络法识别单个车牌字符源码	第94-97页
附录B 车牌字符的Gabor 小波特征求取程序	第97-98页
个人简历 在读期间发表的学术论文	第98-99页
致谢	第99页