基于神经网络集成的车牌字符识别研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究背景 | 第9-10页 |
| ·车牌识别系统 | 第10-11页 |
| ·车牌识别系统的组成 | 第10页 |
| ·国内外研究现状 | 第10-11页 |
| ·人工神经网络及神经网络集成 | 第11-13页 |
| ·人工神经网络和神经网络模式识别技术 | 第11-13页 |
| ·神经网络集成 | 第13页 |
| ·本文的研究内容和创新点 | 第13-14页 |
| ·本文组织结构 | 第14-15页 |
| 第二章 车牌识别系统综述 | 第15-23页 |
| ·我国车牌的特征规格 | 第15页 |
| ·字符预处理 | 第15-19页 |
| ·灰度化 | 第15-16页 |
| ·图像增强 | 第16-17页 |
| ·边缘检测 | 第17-19页 |
| ·车牌定位和二值化 | 第19-21页 |
| ·车牌图像的定位定位 | 第19-20页 |
| ·去除边框和铆钉 | 第20页 |
| ·二值化 | 第20-21页 |
| ·字符分割 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 特征提取 | 第23-27页 |
| ·字符特征 | 第23-24页 |
| ·车牌汉字特征提取 | 第24-25页 |
| ·车牌字母/数字特征提取 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第四章 神经网络在车牌字符识别中的应用 | 第27-45页 |
| ·人工神经网络概述 | 第27-29页 |
| ·神经网络的特点及其应用 | 第27页 |
| ·神经网络的分类 | 第27-28页 |
| ·神经网络的学习算法和激活函数 | 第28-29页 |
| ·BP 神经网络 | 第29-33页 |
| ·BP 网络的模型结构及学习算法 | 第29-31页 |
| ·BP 算法的缺点与改进 | 第31-32页 |
| ·BP 网络的设计 | 第32-33页 |
| ·RBF 神经网络 | 第33-41页 |
| ·RBF 网络的模型结构及基本思想 | 第33-35页 |
| ·RBF 网络的学习算法 | 第35-37页 |
| ·减聚类算法及其改进 | 第37-40页 |
| ·RBF 网络的设计 | 第40-41页 |
| ·量子神经网络 | 第41-43页 |
| ·量子神经网络的模型 | 第41-42页 |
| ·基于多层激励函数的量子神经网络训练算法 | 第42-43页 |
| ·量子神经网络的设计 | 第43页 |
| ·本章小结 | 第43-45页 |
| 第五章 神经网络集成 | 第45-55页 |
| ·神经网络集成概述 | 第45-46页 |
| ·集成的实现方法 | 第46-48页 |
| ·个体生成方法 | 第46-47页 |
| ·结论合成方法及理论分析 | 第47-48页 |
| ·基于神经网络集成的车牌字符识别 | 第48-51页 |
| ·多分类器集成模型 | 第48-49页 |
| ·神经网络集成识别流程 | 第49-51页 |
| ·实验及结果分析 | 第51-53页 |
| ·本章小结 | 第53-55页 |
| 第六章 结束语 | 第55-57页 |
| ·本文的工作 | 第55页 |
| ·进一步研究方向 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间取得的科研成果 | 第61-63页 |
| 致谢 | 第63页 |
