智能交通中车牌识别方法的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-14页 |
| ·智能交通系统的研究背景和现实意义 | 第8-9页 |
| ·车牌识别技术的研究现状 | 第9-10页 |
| ·车牌识别中的技术难点 | 第10-11页 |
| ·车牌识别的原理及组成部分 | 第11-13页 |
| ·车牌定位技术 | 第11-12页 |
| ·字符分割 | 第12页 |
| ·字符识别技术 | 第12-13页 |
| ·论文的主要工作和结构 | 第13-14页 |
| 第二章 车牌识别中的关键技术 | 第14-27页 |
| ·图像和数字图像 | 第14-15页 |
| ·图像处理 | 第14页 |
| ·数字图像 | 第14页 |
| ·图像质量的评价 | 第14-15页 |
| ·图像预处理技术 | 第15-17页 |
| ·直接灰度映射 | 第16页 |
| ·直方图均衡 | 第16-17页 |
| ·线性滤波 | 第17页 |
| ·小波变换 | 第17-21页 |
| ·小波分析 | 第18-19页 |
| ·Haar小波 | 第19-20页 |
| ·小波变换与图像处理 | 第20-21页 |
| ·数学形态学 | 第21-23页 |
| ·模式识别技术 | 第23-24页 |
| ·人工神经网络 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于水平投影与垂直投影联动的车牌定位算法 | 第27-34页 |
| ·图像预处理 | 第27-28页 |
| ·车牌定位 | 第28-31页 |
| ·车牌定位流程 | 第28-29页 |
| ·引入垂直投影的定位方法 | 第29-31页 |
| ·基于数学形态学的精确定位 | 第31页 |
| ·仿真结果 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 自适应字符分割算法 | 第34-45页 |
| ·车牌的先验知识 | 第35页 |
| ·传统的字符分割技术 | 第35-36页 |
| ·本文的改进方法 | 第36-43页 |
| ·字符分割流程 | 第37-38页 |
| ·车牌二值化 | 第38-39页 |
| ·车牌边框的去除 | 第39-40页 |
| ·去除分隔符 | 第40页 |
| ·字符的分割 | 第40-43页 |
| ·几种字符分割算法的比较 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 基于BP神经网络的字符识别算法 | 第45-56页 |
| ·传统的字符识别技术 | 第45-47页 |
| ·结构模式识别 | 第45页 |
| ·统计模式识别 | 第45-47页 |
| ·BP神经网络算法 | 第47-51页 |
| ·BP神经网络概念 | 第47-48页 |
| ·BP神经网络原理 | 第48-51页 |
| ·BP神经网络的设计方法 | 第51-55页 |
| ·本章小结 | 第55-56页 |
| 第六章 总结和展望 | 第56-58页 |
| ·本文工作总结 | 第56页 |
| ·工作展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61-62页 |
| 攻读学位期间发表的学术论文目录 | 第62页 |
