车牌识别系统中字符识别的研究与实现
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-9页 |
| 第一章 绪论 | 第9-16页 |
| ·课题背景及研究意义 | 第9-14页 |
| ·智能交通系统简介 | 第9-10页 |
| ·车牌识别技术在ITS中的应用 | 第10-12页 |
| ·车牌识别技术的发展现状 | 第12-13页 |
| ·车牌识别技术的难点 | 第13-14页 |
| ·论文的主要研究内容 | 第14-15页 |
| ·论文的结构 | 第15-16页 |
| 第二章 车牌定位与字符分割 | 第16-26页 |
| ·车牌图像的预处理 | 第16页 |
| ·车牌定位 | 第16-20页 |
| ·车牌定位常用方法 | 第16-17页 |
| ·基于车牌区域形状及灰度跳变特征的定位方法 | 第17-20页 |
| ·车牌字符分割 | 第20-26页 |
| ·车牌字符分割常用方法 | 第20-21页 |
| ·基于车牌区域先验知识的投影分割法 | 第21-26页 |
| 第三章 车牌字符特征的选择与提取 | 第26-43页 |
| ·车牌常用字符简介 | 第26-27页 |
| ·车牌字符的预处理 | 第27-30页 |
| ·平滑 | 第27-28页 |
| ·字符的归一化 | 第28-30页 |
| ·车牌字符特征的选择与提取 | 第30-36页 |
| ·特征选择的判据 | 第31-32页 |
| ·字符特征的选择 | 第32-35页 |
| ·字符特征的提取 | 第35-36页 |
| ·两种主要特征提取方法及其实现 | 第36-43页 |
| ·弹性网格特征提取 | 第36-38页 |
| ·方向线素特征提取 | 第38-43页 |
| 第四章 基于改进的BP神经网络字符识别 | 第43-60页 |
| ·神经网络概述 | 第43-44页 |
| ·BP神经网络的基本原理 | 第44-48页 |
| ·BP神经网络模型 | 第44-45页 |
| ·BP学习算法 | 第45-48页 |
| ·基于改进的BP神经网络的车牌字符识别 | 第48-60页 |
| ·BP网络的设计 | 第48-53页 |
| ·BP算法实现 | 第53-54页 |
| ·BP算法的改进 | 第54-56页 |
| ·仿真试验及其结果 | 第56-60页 |
| 第五章 基于支持向量机的字符识别 | 第60-75页 |
| ·引言 | 第60页 |
| ·支持向量机简介 | 第60-66页 |
| ·线性可分情况 | 第61-63页 |
| ·线性不可分情况 | 第63-65页 |
| ·支持向量机 | 第65-66页 |
| ·基于SVM的车牌字符识别 | 第66-75页 |
| ·SVM的多类分类问题 | 第66-67页 |
| ·SVM核函数 | 第67-68页 |
| ·SVM训练算法 | 第68-71页 |
| ·仿真试验及其结果 | 第71-75页 |
| 第六章 总结与展望 | 第75-77页 |
| ·论文总结 | 第75-76页 |
| ·展望 | 第76-77页 |
| 参考文献 | 第77-83页 |
| 致谢 | 第83-84页 |
| 附录 在读期间发表的学术论文 | 第84页 |
