首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于AdaBoost和BP神经网络的车牌识别方法研究

摘要第4-5页
abstract第5-6页
第1章 绪论第10-17页
    1.1 选题背景及研究意义第10-11页
    1.2 研究现状及相关工作第11-13页
    1.3 研究难点第13-14页
        1.3.1 自然环境问题第13页
        1.3.2 车牌定位的复杂性问题第13页
        1.3.3 车牌字符的二值化问题第13页
        1.3.4 识别效率和准确率难以兼顾的问题第13-14页
    1.4 论文主要工作第14-15页
    1.5 论文内容安排第15-17页
第2章 车牌定位算法的研究第17-39页
    2.1 引言第17-19页
        2.1.1 车牌的类型和特点第17-18页
        2.1.2 常用的车牌定位算法第18-19页
    2.2 车牌区域的粗定位第19-27页
        2.2.1 图像预处理第20-23页
        2.2.2 车牌检测及定位第23-27页
    2.3 车牌图像的倾斜校正第27-31页
        2.3.1 倾斜角的确定第27-30页
        2.3.2 图像的仿射变换第30-31页
    2.4 车牌区域的精确定位第31-38页
        2.4.1 基于HSV颜色模型的车牌底色判断第31-34页
        2.4.2 基于FloodFill算法的车牌精确定位第34-38页
    2.5 本章小结第38-39页
第3章 字符分割算法的研究第39-51页
    3.1 引言第39页
    3.2 车牌区域的二值化第39-46页
        3.2.1 常用的二值化方法分析第39-43页
        3.2.2 基于颜色相似聚类的二值分割方法第43-46页
    3.3 常用字符分割算法分析第46-47页
        3.3.1 基于垂直投影法的字符分割方法第46页
        3.3.2 基于联通分析的字符分割方法第46页
        3.3.3 基于轮廓检测的字符分割方法第46-47页
    3.4 基于垂直投影的字符分割第47-49页
    3.5 字符图像的预处理第49-50页
        3.5.1 字符的去噪第49页
        3.5.2 位置归一化第49页
        3.5.3 尺寸归一化第49-50页
    3.6 本章小结第50-51页
第4章 字符识别算法的研究第51-65页
    4.1 引言第51页
    4.2 字符特征提取第51-54页
        4.2.1 字符特征选取的原则第51页
        4.2.2 常用字符特征提取方法第51-54页
    4.3 常用字符识别方法分析第54-58页
        4.3.1 模板匹配第54页
        4.3.2 朴素贝叶斯第54-55页
        4.3.3 BP神经网络第55-58页
    4.4 基于AdaBoost和BP神经网络相结合的字符识别方法第58-64页
        4.4.1 BP神经网络的缺陷与局部改进第58-60页
        4.4.2 BP神经网络分类器的改进分析第60-61页
        4.4.3 基于AdaBoost算法的BP神经网络的字符识别模型第61-64页
    4.5 本章小结第64-65页
第5章 仿真实验与结果分析第65-76页
    5.1 仿真实验环境的部署第65-66页
        5.1.1 仿真实验数据的采集实验第65页
        5.1.2 仿真实验平台的搭建第65-66页
    5.2 字符特征值提取方法的仿真实验与结果分析第66-69页
        5.2.1 字符特征选取的比较第66-69页
        5.2.2 字符特征提取设计第69页
    5.3 字符识别方法的仿真实验与结果分析第69-75页
        5.3.1 网络拓扑结构设计第69-70页
        5.3.2 激活函数的选取第70-71页
        5.3.3 输出编码设计第71-72页
        5.3.4 字符识别的实验结果与分析第72-75页
    5.4 本章小结第75-76页
第6章 总结与展望第76-78页
    6.1 总结第76-77页
    6.2 展望第77-78页
致谢第78-79页
参考文献第79-82页
攻读硕士学位期间的研究成果第82页

论文共82页,点击 下载论文
上一篇:沉降颗粒激光散射像点跟踪算法研究
下一篇:基于组合语义的基础教育资源深层知识表示方法研究