图像处理与图像识别新技术在智能交通中的应用研究
| 摘要 | 第1-5页 |
| Summary | 第5-6页 |
| 第一章 绪论 | 第6-11页 |
| ·应用背景及研究意义 | 第6-7页 |
| ·国内外的研究现状 | 第7-9页 |
| ·本课题研究的主要内容及创新之处 | 第9-11页 |
| ·本文的主要研究内容 | 第9-10页 |
| ·本课题的创新之处 | 第10-11页 |
| 第二章 对智能交通所涉及问题的分析和研究 | 第11-16页 |
| ·车身颜色识别 | 第11-12页 |
| ·车标识别 | 第12-13页 |
| ·基于视频的运动车辆检测技术 | 第13-15页 |
| ·车辆的大小、外形识别 | 第15-16页 |
| 第三章 车牌定位 | 第16-29页 |
| ·汽车图像预处理 | 第16-26页 |
| ·图像灰度转换 | 第20页 |
| ·图像二值化处理 | 第20-23页 |
| ·削弱背景干扰 | 第23-24页 |
| ·图象平滑和去噪处理 | 第24-26页 |
| ·车牌定位算法 | 第26-29页 |
| 第四章 车牌分割、特征提取 | 第29-39页 |
| ·车牌分割 | 第29-37页 |
| ·灰度转化 | 第29-30页 |
| ·车牌图像二值化 | 第30页 |
| ·梯度锐化 | 第30-31页 |
| ·去除离散噪声 | 第31页 |
| ·倾斜度调整 | 第31-33页 |
| ·图像分割 | 第33-35页 |
| ·字符归一化 | 第35-37页 |
| ·图像特征提取 | 第37-39页 |
| ·逐像素特征提取发 | 第37页 |
| ·骨架特征提取法 | 第37页 |
| ·垂直方向数据统计特征提取法 | 第37-38页 |
| ·13特征点提取方法 | 第38-39页 |
| 第五章 基于BP神经网络的车牌字符识别 | 第39-57页 |
| ·神经网络方法分析 | 第39-44页 |
| ·神经网络概述 | 第39-40页 |
| ·神经元模型 | 第40-41页 |
| ·神经网络模型 | 第41-42页 |
| ·神经网络的学习和训练 | 第42-44页 |
| ·BP神经网络原理 | 第44-52页 |
| ·BP神经网络结构 | 第45-46页 |
| ·BP算法原理 | 第46-49页 |
| ·BP网络的实现 | 第49-52页 |
| ·英文字母识别 | 第52-57页 |
| 第六章 结论展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 附录 | 第62-63页 |
