车牌字符自动识别的研究
| 摘要 | 第7-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 课题研究背景 | 第11页 |
| 1.2 车牌字符自动识别技术 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-13页 |
| 1.4 车牌字符自动识别技术的指标 | 第13-14页 |
| 1.4.1 识别率 | 第13页 |
| 1.4.2 识别速度 | 第13-14页 |
| 1.5 主要研究内容和结构 | 第14-16页 |
| 第二章 车牌图像预处理 | 第16-24页 |
| 2.1 车辆图像采集 | 第16-19页 |
| 2.1.1 采集方式 | 第16页 |
| 2.1.2 采集设备 | 第16-18页 |
| 2.1.3 采集设备的位置 | 第18-19页 |
| 2.2 彩色图像的灰度转换 | 第19-20页 |
| 2.3 中值滤波 | 第20-21页 |
| 2.4 图像边缘检测 | 第21页 |
| 2.5 图像二值化 | 第21-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第三章 车牌定位和字符分割 | 第24-33页 |
| 3.1 基于颜色图像的定位方法 | 第24-26页 |
| 3.1.1 基于灰度图像的定位方法 | 第24-25页 |
| 3.1.2 基于彩色的车牌定位方法 | 第25-26页 |
| 3.1.3 颜色处理基础上引入纹理特征的车牌定位 | 第26页 |
| 3.2 基于几何形状的车牌定位 | 第26-27页 |
| 3.2.1 基于直线边缘检测车牌定位方法 | 第26-27页 |
| 3.2.2 运用数学形态学处理进行车牌定位; | 第27页 |
| 3.3 基于神经网络的车牌定位方法 | 第27-28页 |
| 3.4 字符分割前的预处理 | 第28-30页 |
| 3.4.1 车牌倾斜校正 | 第28-29页 |
| 3.4.2 粘连字符的处理 | 第29-30页 |
| 3.5 常用的字符分割方法 | 第30-31页 |
| 3.5.1 水平投影与字符分割 | 第30页 |
| 3.5.2 车牌的垂直投影与字符分割 | 第30-31页 |
| 3.6 字符少检处理 | 第31-32页 |
| 3.7 本章小结 | 第32-33页 |
| 第四章 人工神经网络的字符识别 | 第33-46页 |
| 4.1 字符识别的原理 | 第33-34页 |
| 4.2 模板匹配法 | 第34页 |
| 4.3 BP神经网络简介 | 第34-35页 |
| 4.4 BP神经网络结构 | 第35-45页 |
| 4.4.1 字符归一化 | 第35-36页 |
| 4.4.2 BP神经网络三层节点数目的确定 | 第36-38页 |
| 4.4.3 BP神经网络的训练 | 第38-41页 |
| 4.4.4 BP神经网络缺陷和改进 | 第41-42页 |
| 4.4.5 实验结果 | 第42-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第五章 总结 | 第46-47页 |
| 参考文献 | 第47-52页 |
| 致谢 | 第52-53页 |
| 学位论文评阅及答辩情况表 | 第53页 |
