基于RBF神经网络的车牌识别技术的研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题的研究背景与意义 | 第10-11页 |
| 1.2 车牌识别技术综述 | 第11-14页 |
| 1.2.1 车牌自动识别系统构成 | 第11-12页 |
| 1.2.2 车牌识别系统的关键技术 | 第12-14页 |
| 1.3 车牌识别技术发展现状及应用前景 | 第14-15页 |
| 1.3.1 车牌识别技术发展现状 | 第14-15页 |
| 1.3.2 车牌识别技术应用前景 | 第15页 |
| 1.4 本文主要研究内容 | 第15-17页 |
| 第2章 车牌图像预处理 | 第17-26页 |
| 2.1 车牌图像灰度化 | 第17-18页 |
| 2.2 车牌图像增强 | 第18-22页 |
| 2.2.1 灰度变换 | 第19-20页 |
| 2.2.2 图像滤波 | 第20-22页 |
| 2.3 图像二值化 | 第22-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第3章 车牌定位与字符分割技术研究 | 第26-41页 |
| 3.1 车牌定位技术 | 第26-34页 |
| 3.1.1 车牌特征及定位方法 | 第26-28页 |
| 3.1.2 边缘检测 | 第28-31页 |
| 3.1.3 基于数学形态学的车牌定位 | 第31-34页 |
| 3.2 车牌倾斜校正及边框处理 | 第34-37页 |
| 3.2.1 车牌倾斜校正 | 第34-36页 |
| 3.2.2 车牌边框处理 | 第36-37页 |
| 3.3 字符分割技术 | 第37-40页 |
| 3.3.1 传统字符分割方法 | 第37-39页 |
| 3.3.2 本文采用的字符分割方法 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 基于 RBF 神经网络的字符识别 | 第41-53页 |
| 4.1 人工神经网络综述 | 第41-44页 |
| 4.1.1 神经网络的发展 | 第41-42页 |
| 4.1.2 神经网络特征 | 第42-43页 |
| 4.1.3 神经网络的研究内容及应用 | 第43-44页 |
| 4.2 RBF 神经网络简介 | 第44-48页 |
| 4.2.1 RBF 神经网络的基本结构 | 第44-45页 |
| 4.2.2 RBF 神经网络的学习过程 | 第45-47页 |
| 4.2.3 本文改进的学习算法 | 第47-48页 |
| 4.3 RBF 神经网络结构设计 | 第48-50页 |
| 4.3.1 字符归一化与特征提取 | 第48页 |
| 4.3.2 神经网络参数确定 | 第48-50页 |
| 4.4 字符识别的实验结果 | 第50-52页 |
| 4.5 本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读学位期间发表的学术论文 | 第57-58页 |
| 致谢 | 第58页 |
