基于粒子群优化BP网络的车牌字符识别研究
| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-13页 |
| ·本论文研究背景及意义 | 第7-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·国外发展历史、现状及趋势 | 第9页 |
| ·国内发展历史、现状及趋势 | 第9-10页 |
| ·LPR系统关键构成部分 | 第10-11页 |
| ·研究车牌识别技术的难点 | 第11页 |
| ·本文的主要研究内容及各章节安排 | 第11-13页 |
| 第二章 图像处理与车牌识别技术 | 第13-33页 |
| ·数字图像处理概述 | 第13-14页 |
| ·颜色空间模型 | 第14-17页 |
| ·RGB彩色空间 | 第14-15页 |
| ·HSI彩色空间 | 第15-16页 |
| ·彩色空间RGB与HIS之间的转换 | 第16-17页 |
| ·视频图像预处理技术 | 第17-20页 |
| ·灰度化 | 第17页 |
| ·对比度增强灰度变换处理 | 第17-19页 |
| ·平滑滤波 | 第19-20页 |
| ·车牌定位技术 | 第20-27页 |
| ·车牌定位算法 | 第21-22页 |
| ·边缘检测 | 第22-24页 |
| ·图像二值化处理 | 第24-25页 |
| ·倾斜度矫正 | 第25-27页 |
| ·字符分割 | 第27-32页 |
| ·字符分割的基础 | 第27-28页 |
| ·常见分割算法 | 第28页 |
| ·本文字符分割法 | 第28-30页 |
| ·字符归一化 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 车牌字符识别系统设计 | 第33-45页 |
| ·字符特征提取 | 第33-36页 |
| ·概述 | 第33-34页 |
| ·字符特征提取方法 | 第34-35页 |
| ·本文采用的车牌字符特征提取法 | 第35-36页 |
| ·BP神经网络学习算法 | 第36-41页 |
| ·神经网络的概念 | 第36-38页 |
| ·BP神经网络结构 | 第38-39页 |
| ·BP神经网络学习算法 | 第39-41页 |
| ·车牌识别BP神经网络结构设计 | 第41-43页 |
| ·输入层神经元个数 | 第41-42页 |
| ·输出层神经元个数 | 第42页 |
| ·隐含层层数及神经元个数 | 第42-43页 |
| ·激活函数的选取 | 第43页 |
| ·本章小结 | 第43-45页 |
| 第四章 基于粒子群优化的网络训练 | 第45-54页 |
| ·粒子群优化算法(PSO)概述 | 第45页 |
| ·粒子算法原理 | 第45-46页 |
| ·基于PSO的网络训练与学习 | 第46-48页 |
| ·编码策略 | 第46-47页 |
| ·参数的配置 | 第47页 |
| ·网络训练过程 | 第47-48页 |
| ·实验过程与结果分析 | 第48-53页 |
| ·实验过程 | 第48-53页 |
| ·实验结论与分析 | 第53页 |
| ·本章小节 | 第53-54页 |
| 第五章 总结与展望 | 第54-55页 |
| 参考文献 | 第55-57页 |
| 致谢 | 第57-58页 |
| 个人简历,研究生阶段学术论文与研究成果 | 第58-59页 |
