车牌识别系统的研究与改进
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-17页 |
| ·选题背景及意义 | 第10-11页 |
| ·车牌识别国内外研究现状 | 第11-13页 |
| ·国外研究现状 | 第11-12页 |
| ·国内研究现状 | 第12-13页 |
| ·车牌识别技术发展方向 | 第13页 |
| ·车牌识别系统概述 | 第13-16页 |
| ·车牌识别系统总体概述 | 第13-14页 |
| ·车牌识别系统关键技术 | 第14-16页 |
| ·本文主要研究架构 | 第16-17页 |
| 第2章 车牌定位方法研究 | 第17-32页 |
| ·引言 | 第17页 |
| ·车牌区域内字符的纹理特征 | 第17页 |
| ·车牌定位常用方法 | 第17-20页 |
| ·空间变化法 | 第17-18页 |
| ·颜色特征法 | 第18页 |
| ·边缘检测法 | 第18-20页 |
| ·频谱分析法 | 第20页 |
| ·倾斜校正 | 第20-21页 |
| ·本文车牌定位算法结构 | 第21-31页 |
| ·彩色图像处理 | 第22-23页 |
| ·图像采集与Gamma校正 | 第23-24页 |
| ·颜色空间转换 | 第24-25页 |
| ·高斯去噪及二值化 | 第25-26页 |
| ·形态学处理 | 第26-27页 |
| ·连通区域检测与车牌精确定位 | 第27-30页 |
| ·倾斜校正及图像输出 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 车牌字符分割方法 | 第32-45页 |
| ·引言 | 第32页 |
| ·车牌字符特点 | 第32页 |
| ·车牌字符分割方法 | 第32-35页 |
| ·水平投影字符分割算法 | 第32-33页 |
| ·模板匹配字符分割算法 | 第33页 |
| ·聚类分析字符分割算法 | 第33-35页 |
| ·二值化方法 | 第35-36页 |
| ·图像的灰度化 | 第35页 |
| ·图像二值化处理 | 第35-36页 |
| ·图形分割 | 第36-38页 |
| ·区域生长技术 | 第37-38页 |
| ·阈值分割技术 | 第38页 |
| ·本文车牌分割算法结构 | 第38-44页 |
| ·车牌图像二值化 | 第39-41页 |
| ·去除车牌上下边界和铆钉 | 第41-42页 |
| ·车牌字符分割及归一化 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 神经网络自适应融合算法及仿真 | 第45-66页 |
| ·引言 | 第45页 |
| ·人工神经网络 | 第45-47页 |
| ·基于BP神经网络识别算法 | 第47-52页 |
| ·BP神经网络算法介绍及数学模型 | 第47-50页 |
| ·应用于字符识别的算法设计 | 第50-52页 |
| ·基于RBF神经网络识别算法 | 第52-56页 |
| ·算法数学模型 | 第52-54页 |
| ·应用于字符识别的算法设计 | 第54-55页 |
| ·RBF神经网络的优点 | 第55-56页 |
| ·基于GRNN神经网络识别算法 | 第56-60页 |
| ·GRNN神经网络算法介绍及数学模型 | 第56-59页 |
| ·应用于字符识别的算法设计 | 第59-60页 |
| ·基于多种神经网络的自适应融合算法 | 第60-62页 |
| ·系统总体设计的实验仿真 | 第62-65页 |
| ·本章小结 | 第65-66页 |
| 第5章 结论 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 在学研究成果 | 第70-71页 |
| 致谢 | 第71页 |
