基于BP神经网络的车牌识别技术的研究
| 摘要 | 第1-3页 |
| Abstract | 第3-6页 |
| 第1章 绪论 | 第6-13页 |
| 1．1 课题概述 | 第6-7页 |
| 1．2 选题的意义 | 第7-8页 |
| 1．3 车牌识别技术的研究现状 | 第8-11页 |
| 1．4 车牌识别技术的类别 | 第11-12页 |
| 1．5 本文的研究内容 | 第12-13页 |
| 第2章 车牌定位与图像预处理 | 第13-30页 |
| 2．1 图像预处理 | 第14-19页 |
| 2．1．1 图像的灰度转换 | 第16页 |
| 2．1．2 图像增强 | 第16-18页 |
| 2．1．3 边缘检测 | 第18-19页 |
| 2．2 车牌定位算法 | 第19-28页 |
| 2．2．1 直接法 | 第20页 |
| 2．2．2 多分辨率方法 | 第20-21页 |
| 2．2．3 基于数学形态学的车牌定位 | 第21-23页 |
| 2．2．4 基于神经网络的车牌定位方法 | 第23-24页 |
| 2．2．5 车牌底色的识别算法 | 第24页 |
| 2．2．6 本文的车牌定位算法 | 第24-28页 |
| 2．3 图像文件格式介绍 | 第28-30页 |
| 第3章 字符识别 | 第30-43页 |
| 3．1 字符图像预处理 | 第30-33页 |
| 3．1．1 灰度拉伸 | 第30-31页 |
| 3．1．2 二值化 | 第31-32页 |
| 3．1．3 字符的归一化 | 第32-33页 |
| 3．2 字符识别现有技术 | 第33-41页 |
| 3．2．1 模板匹配法 | 第33-34页 |
| 3．2．2 基于字符特征的字符识别方法 | 第34-37页 |
| 3．2．3 基于神经网络的字符识别方法 | 第37-41页 |
| 3．3 本文的字符识别方法 | 第41-43页 |
| 第4章 系统设计与实现 | 第43-55页 |
| 4．1 车牌定位 | 第43-47页 |
| 4．2 字符识别 | 第47-55页 |
| 第5章 实验结果 | 第55-56页 |
| 5．1 实验环境 | 第55页 |
| 5．2 实验方法及实验结果 | 第55-56页 |
| 第6章 结论与展望 | 第56-57页 |
| 附录:作者在攻读硕士学位期间撰写的学术论文 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61页 |
