摘要 | 第3-4页 |
Abstract | 第4页 |
第一章 绪论 | 第6-12页 |
1.1 研究背景条件与使用意义 | 第6-7页 |
1.2 国内外研究现状 | 第7-9页 |
1.3 车牌识别技术存在的问题 | 第9-10页 |
1.4 论文的主要工作 | 第10-12页 |
第二章 图像的预处理 | 第12-21页 |
2.1 图牌种类特征 | 第12-14页 |
2.2 图像的灰度化 | 第14页 |
2.3 图像的增强 | 第14-16页 |
2.3.1 对比度增强 | 第15-16页 |
2.4 图像的边缘检测 | 第16-19页 |
2.4.1 水平梯度方向边缘检测 | 第18-19页 |
2.5 图像的二值化 | 第19-20页 |
2.6 本章小结 | 第20-21页 |
第三章 车牌定位 | 第21-27页 |
3.1 车牌先验知识及定位方法概述 | 第21-23页 |
3.1.1 车牌先验知识 | 第21-22页 |
3.1.2 车牌定位方法概述 | 第22-23页 |
3.2 边沿提取与车牌纹理的定位算法 | 第23-24页 |
3.3 车牌定位实验 | 第24-25页 |
3.4 车牌定位结果分析 | 第25-26页 |
3.5 本章小结 | 第26-27页 |
第四章 字符分割算法 | 第27-32页 |
4.1 倾斜度矫正 | 第27-28页 |
4.2 基于投影方法的字符分割 | 第28-30页 |
4.3 字符归一化处理 | 第30页 |
4.4 字符的紧缩重排 | 第30页 |
4.5 实验与分析 | 第30-31页 |
4.6 小结 | 第31-32页 |
第五章 神经网络改进算法与模板相互结合的字符辨别算法 | 第32-43页 |
5.1 改进后的模板匹配字符识别 | 第33-34页 |
5.1.1 使用HiId itch细化提取像素 | 第33页 |
5.1.2 加权模板匹配 | 第33-34页 |
5.2 神经网络车牌字符识别 | 第34-40页 |
5.2.1 车牌特征提取 | 第34-35页 |
5.2.2 神经网络的构建 | 第35-36页 |
5.2.3 BP算法 | 第36-40页 |
5.3 实验结果分析 | 第40-42页 |
5.4 小结 | 第42-43页 |
第六章 结论 | 第43-45页 |
参考文献 | 第45-49页 |
致谢 | 第49-50页 |
个人简历 | 第50页 |