| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·课题的研究背景 | 第7-8页 |
| ·国内外研究现状 | 第8-9页 |
| ·本论文的主要工作 | 第9-11页 |
| 第二章 BP神经网络原理 | 第11-21页 |
| ·神经网络结构模型 | 第11-14页 |
| ·神经元模型 | 第11-13页 |
| ·人工神经结构 | 第13-14页 |
| ·BP神经网络 | 第14-20页 |
| ·BP神经网络介绍 | 第14-17页 |
| ·BP神经网络训练 | 第17-18页 |
| ·BP网络参数选择 | 第18-19页 |
| ·BP算法的缺点和改进 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 基于K-L变换与BP神经网络的车牌字符识别 | 第21-37页 |
| ·神经网络与字符识别 | 第21-22页 |
| ·字符识别特征的提取 | 第22-23页 |
| ·分类器和BP神经网络设计 | 第23-25页 |
| ·分类器设计 | 第23-24页 |
| ·BP神经网络设计 | 第24-25页 |
| ·基于灰度图像的K-L变换特征提取方法 | 第25-31页 |
| ·K-L变换 | 第25-26页 |
| ·K-L变换矩阵的计算 | 第26-29页 |
| ·灰度字符图像的特征计算 | 第29页 |
| ·BP神经网络数据 | 第29-31页 |
| ·基于二值化图像的改进K-L变换特征提取方法 | 第31-36页 |
| ·改进的K-L变换 | 第31-32页 |
| ·K-L变换矩阵的计算 | 第32-34页 |
| ·二值化字符图像的特征计算 | 第34页 |
| ·BP神经网络数据 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 基于VTD、HTD与BP神经网络的车牌字符识别 | 第37-47页 |
| ·基于VTD、HTD特征的识别算法 | 第37-42页 |
| ·特征提取及特征向量生成 | 第37-39页 |
| ·字符相似度的计算 | 第39-40页 |
| ·目标字符的识别 | 第40-42页 |
| ·基于VTD、HTD特征的BP神经网络 | 第42-45页 |
| ·VTD、HTD特征提取 | 第42页 |
| ·BP神经网络设计 | 第42-45页 |
| ·本章小结 | 第45-47页 |
| 第五章 实验数据对比分析及改进 | 第47-53页 |
| ·实验数据对比分析 | 第47-51页 |
| ·MATLAB和C++ Builder编程实现 | 第47-49页 |
| ·实验数据对比分析 | 第49-51页 |
| ·改进方法—修正识别结果 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第六章 结束语 | 第53-55页 |
| 致谢 | 第55-57页 |
| 参考文献 | 第57-59页 |