车牌识别系统研究
| 第1章 综述 | 第1-20页 |
| ·车牌识别发展基本知识 | 第13-17页 |
| ·牌照识别所要解决的问题 | 第13页 |
| ·汽车牌照识别的发展过程 | 第13-15页 |
| ·图像处理技术阶段 | 第13-14页 |
| ·传统模式识别技术阶段 | 第14页 |
| ·人工神经网络技术阶段 | 第14-15页 |
| ·汽车牌照识别系统的构成 | 第15-16页 |
| ·我国汽车牌照识别的特点 | 第16页 |
| ·汽车牌照的规范 | 第16-17页 |
| ·Mat lab技术简介 | 第17-18页 |
| ·本文的主要工作 | 第18-20页 |
| 第2章 系统实现架构 | 第20-22页 |
| ·系统模块划分 | 第20页 |
| ·系统流程图 | 第20-22页 |
| 第3章 车牌图像预处理 | 第22-37页 |
| ·预处理的必要性 | 第22页 |
| ·转换为灰度图 | 第22-23页 |
| ·灰度均衡 | 第23-28页 |
| ·问题的引出 | 第23页 |
| ·图像增强常用方法的对比与选择 | 第23-24页 |
| ·利用直方图进行增强的原理 | 第24-25页 |
| ·灰度增强应用于本系统 | 第25-28页 |
| ·二值化 | 第28-30页 |
| ·方法的构造模式 | 第28-29页 |
| ·图像之间的差距度量 | 第29-30页 |
| ·阈值的选取 | 第30页 |
| ·算法采用结果 | 第30页 |
| ·倾斜角的纠正 | 第30-37页 |
| ·问题的引出 | 第30-31页 |
| ·常用倾斜角度检测方法比较 | 第31-32页 |
| ·边缘检测 | 第32页 |
| ·基于Hough变换的角度纠正原理 | 第32-35页 |
| ·Hough变换-角度检测 | 第33-34页 |
| ·旋转校正 | 第34-35页 |
| ·旋转方法在本系统中的实现 | 第35-37页 |
| 第4章 牌照定位 | 第37-41页 |
| ·定位常用方法比较 | 第37页 |
| ·基于水平线搜索的汽车牌照水平定位 | 第37-38页 |
| ·汽车牌照的左右定位 | 第38-41页 |
| 第5章 车牌分割与归一化 | 第41-44页 |
| ·车牌字符分割 | 第41-43页 |
| ·车牌图像的归一化 | 第43-44页 |
| 第6章 特征提取 | 第44-50页 |
| ·特征提取必要性 | 第44-45页 |
| ·特征提取常用方法 | 第45-49页 |
| ·结构类特征提取 | 第45-47页 |
| ·基于骨架 | 第45页 |
| ·基于轮廓 | 第45-46页 |
| ·基于局部图像 | 第46页 |
| ·特征提取与识别的融合 | 第46-47页 |
| ·统计方法特征提取 | 第47-49页 |
| ·全局特征 | 第47-48页 |
| ·局部特征 | 第48-49页 |
| ·基于统计信息的13点特征提取法 | 第49-50页 |
| 第7章 牌照识别 | 第50-58页 |
| ·牌照字符识别的常用方法介绍与比较 | 第50-52页 |
| ·人工神经网络运用于牌照识别 | 第52-58页 |
| ·神经网络的字符识别系统简介 | 第52-53页 |
| ·BP基本原理 | 第53-54页 |
| ·利用BP神经网络进行车牌字符识别 | 第54-58页 |
| ·网络的建造 | 第54-56页 |
| ·网络应用于识别 | 第56-58页 |
| 第8章 实验结果与展望 | 第58-61页 |
| ·实验结果 | 第58页 |
| ·系统改进意见 | 第58-59页 |
| ·结论 | 第59页 |
| ·前景展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-64页 |
| 个人简历 在读期间发表的学术论文与研究成果 | 第64页 |
