图像处理及特征识别方法研究
| 中文摘要 | 第1页 |
| 英文摘要 | 第4-8页 |
| 第一章 引言 | 第8-14页 |
| ·课题的研究背景及意义 | 第8-10页 |
| ·车牌照识别技术在国内外发展现状 | 第10-12页 |
| ·本文的主要工作 | 第12-13页 |
| ·论文各章节安排 | 第13-14页 |
| 第二章 LPR 相关知识简介 | 第14-21页 |
| ·LPR 系统的组成及工作原理 | 第14-15页 |
| ·我国汽车牌照的特点 | 第15-16页 |
| ·我国车牌照的分类规格及颜色 | 第15页 |
| ·汽车牌照的式样及牌照组成 | 第15-16页 |
| ·图像处理 | 第16-18页 |
| ·图像技术与图像工程 | 第16-17页 |
| ·图像处理涉及的学科和领域 | 第17-18页 |
| ·模式识别技术 | 第18-20页 |
| ·人工神经网络 | 第20页 |
| ·本章小结 | 第20-21页 |
| 第三章 汽车牌照定位 | 第21-36页 |
| ·汽车牌照定位方法简介 | 第21页 |
| ·基于HSI 颜色模型的汽车牌照定位方法 | 第21-30页 |
| ·汽车牌照图像的预处理 | 第22-27页 |
| ·几何变换相关知识 | 第22-26页 |
| ·汽车牌照图像的几何校正 | 第26-27页 |
| ·车牌照候选区域的获取 | 第27-30页 |
| ·图像过滤 | 第27-28页 |
| ·孔洞填充 | 第28-29页 |
| ·数学形态学处理 | 第29-30页 |
| ·车牌照区域的获取 | 第30页 |
| ·基于彩色边缘提取与数学形态学的汽车牌照定位方法 | 第30-34页 |
| ·彩色垂直边缘提取 | 第31-32页 |
| ·数学形态学处理 | 第32页 |
| ·去除粘连及部分干扰区域 | 第32-33页 |
| ·车牌照区域判别 | 第33-34页 |
| ·本章小结 | 第34-36页 |
| 第四章 汽车牌照字符分割 | 第36-48页 |
| ·汽车牌照分割方法简介 | 第36-37页 |
| ·汽车牌照颜色识别及其二值化 | 第37-40页 |
| ·汽车牌照颜色的识别 | 第37-39页 |
| ·直方图平滑化 | 第37-38页 |
| ·汽车牌照颜色识别算法 | 第38-39页 |
| ·车牌照图像二值化 | 第39-40页 |
| ·汽车牌照倾斜校正 | 第40-44页 |
| ·水平倾斜校正 | 第41-42页 |
| ·水平倾斜校正原理 | 第41页 |
| ·水平倾斜校正算法 | 第41-42页 |
| ·垂直倾斜校正算法 | 第42-44页 |
| ·车牌照上下边界的去除 | 第42页 |
| ·差值平方和最大化原理 | 第42-44页 |
| ·车牌照倾斜校正结论 | 第44页 |
| ·车牌照字符分割 | 第44-47页 |
| ·车牌字符串结构特点 | 第44-45页 |
| ·最大类间方差动态模板匹配分割算法 | 第45-46页 |
| ·模板的设计 | 第45页 |
| ·车牌照分割具体步骤 | 第45-46页 |
| ·基于动态模板匹配的字符分割结论 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 车牌照字符识别 | 第48-56页 |
| ·字符识别技术概述 | 第48-49页 |
| ·BP 神经网络字符识别系统 | 第49-55页 |
| ·BP 神经网络结构和算法 | 第49-53页 |
| ·BP 神经网络结构 | 第49-50页 |
| ·BP 神经网络学习算法 | 第50-53页 |
| ·车牌字符识别网络的构成 | 第53-54页 |
| ·输入层神经元的个数 | 第53-54页 |
| ·隐层节点数的确定 | 第54页 |
| ·BP 神经网络输出节点数的确定 | 第54页 |
| ·算法实现与结论 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第六章 结论及展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 在学期间发表的学术论文和参加科研情况 | 第61页 |
