基于神经网络的车牌识别系统研究
| 第一章 引言 | 第1-43页 |
| ·课题背景及现实意义 | 第38-39页 |
| ·车牌识别技术的国内外研究动向及水平 | 第39-40页 |
| ·课题研究的主要内容 | 第40-43页 |
| 第二章 车牌图像预处理 | 第43-50页 |
| ·灰度拉伸 | 第43-45页 |
| ·二值化 | 第45-46页 |
| ·中值滤波 | 第46-47页 |
| ·形态学滤波 | 第47-50页 |
| ·腐蚀 | 第48页 |
| ·膨胀 | 第48页 |
| ·开闭运算 | 第48-49页 |
| ·形态学滤波 | 第49-50页 |
| 第三章 车牌定位与字符分割 | 第50-64页 |
| ·车辆牌照类型规格 | 第50-51页 |
| ·常用车牌定位方法 | 第51-52页 |
| ·线段性探针搜索定位方法 | 第52-56页 |
| ·水平方向定位 | 第52-55页 |
| ·垂直方向定位 | 第55-56页 |
| ·字符分割的简介 | 第56-57页 |
| ·本文采用的字符分割算法 | 第57-64页 |
| ·投影算法 | 第57-58页 |
| ·干扰字符切分的因素 | 第58-59页 |
| ·车牌字符分割算法 | 第59-64页 |
| 第四章 车牌字符识别 | 第64-86页 |
| ·字符识别概述 | 第64-65页 |
| ·字符归一化方法 | 第65-68页 |
| ·分裂合并的归一化方法 | 第65-66页 |
| ·插值变换的归一化方法 | 第66-68页 |
| ·特征提取与选择 | 第68-74页 |
| ·概述 | 第68-69页 |
| ·主量成分分析方法 | 第69-71页 |
| ·粗集理论 | 第71-74页 |
| ·基于神经网络与模板匹配的多分类器设计 | 第74-86页 |
| ·BP神经网络的基本原理 | 第75-76页 |
| ·BP网络的算法实现 | 第76-78页 |
| ·BP网络的改进算法 | 第78-79页 |
| ·仿真实验及其讨论 | 第79-82页 |
| ·多级多分类器的设计 | 第82-86页 |
| 第五章 车牌识别系统的设计与实现 | 第86-98页 |
| ·车牌识别系统的设计 | 第86-87页 |
| ·系统设计的要求 | 第86页 |
| ·系统功能 | 第86页 |
| ·编程工具 | 第86-87页 |
| ·软件系统设计思想 | 第87-89页 |
| ·位图类的设计 | 第87-88页 |
| ·位图类的应用 | 第88-89页 |
| ·车牌识别系统的结构设计和功能实现 | 第89-98页 |
| ·车牌识别系统数据流图 | 第89页 |
| ·车牌识别系统的结构设计 | 第89-94页 |
| ·车牌识别系统的功能实现 | 第94-95页 |
| ·实验结果及其分析 | 第95-98页 |
| 第六章 总结与展望 | 第98-100页 |
| ·论文总结 | 第98页 |
| ·论文进一步研究的展望 | 第98-100页 |
| 参考文献 | 第100-105页 |
| 附录1 | 第105-106页 |
| 附录2 | 第106-108页 |
| 附录3 | 第108-109页 |
| 攻读学位期间发表的学术论文及科研工作 | 第109-110页 |
| 致谢 | 第110页 |
