基于小波包分析和BP神经网络的车牌识别算法的研究
| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 第1章 绪论 | 第10-15页 |
| ·课题提出的背景和现实意义 | 第10-11页 |
| ·课题的研究现状及发展趋势 | 第11-12页 |
| ·课题的研究现状 | 第11页 |
| ·目前相关产品现状 | 第11-12页 |
| ·课题的发展趋势 | 第12页 |
| ·车牌识别系统的组成 | 第12-13页 |
| ·感应设备 | 第12页 |
| ·图像采集 | 第12页 |
| ·工作原理 | 第12-13页 |
| ·信息存储 | 第13页 |
| ·我国汽车牌照的特点 | 第13-14页 |
| ·本文的主要研究内容 | 第14-15页 |
| 第2章 小波分析的基本理论 | 第15-25页 |
| ·小波分析的基本理论 | 第15-18页 |
| ·连续小波变换 | 第15-17页 |
| ·离散小波变换 | 第17-18页 |
| ·多分辨率分析 | 第18-20页 |
| ·多分辨率分析的基本概念 | 第18-19页 |
| ·小波变换快速算法—Mallat算法 | 第19-20页 |
| ·小波包的定义 | 第20-22页 |
| ·小波包用于提取特征信息 | 第22-23页 |
| ·小波包在图像处理中的应用 | 第23-24页 |
| ·小波包在图像增强方面的应用 | 第23页 |
| ·小波包在图像消噪方面的应用 | 第23-24页 |
| ·小波包在图像特征提取的应用 | 第24页 |
| ·本章小结 | 第24-25页 |
| 第3章 车牌定位算法研究 | 第25-38页 |
| ·图像预处理 | 第25-32页 |
| ·灰度变换 | 第25-26页 |
| ·平滑处理 | 第26-27页 |
| ·传统的图像增强方法 | 第27-29页 |
| ·基于小波包变换的车辆图像增强算法 | 第29-32页 |
| ·现有车牌定位算法介绍 | 第32页 |
| ·车牌定位的基本原理 | 第32-37页 |
| ·边缘检测 | 第32-34页 |
| ·数学形态学 | 第34-35页 |
| ·车牌区域纹理特征 | 第35-36页 |
| ·水平扫描 | 第36页 |
| ·垂直定位 | 第36-37页 |
| ·实验结果及性能分析 | 第37页 |
| ·本章小结 | 第37-38页 |
| 第4章 车牌字符的分割 | 第38-43页 |
| ·小波包阈值去噪算法 | 第38-39页 |
| ·二维小波包阈值噪声滤波器的设计 | 第39-41页 |
| ·基于小波包去噪和车牌纹理的字符分割方法 | 第41-42页 |
| ·实验结果及性能分析 | 第42页 |
| ·本章小结 | 第42-43页 |
| 第5章 车牌字符识别 | 第43-54页 |
| ·模板匹配 | 第43-44页 |
| ·基于BP神经网络的车牌字符识别 | 第44-49页 |
| ·人工神经网络简介 | 第44-45页 |
| ·BP神经网络理论 | 第45-49页 |
| ·神经网络的结构设计 | 第49-51页 |
| ·网络的层数 | 第50页 |
| ·输入层节点数 | 第50-51页 |
| ·隐含层神经元的数目 | 第51页 |
| ·初始权值的设定 | 第51页 |
| ·输出层节点数 | 第51页 |
| ·实验结果及性能分析 | 第51-52页 |
| ·本章小结 | 第52-54页 |
| 第6章 总体技术设计 | 第54-56页 |
| ·总体技术线路图 | 第54-55页 |
| ·具体步骤 | 第55-56页 |
| 结论与展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间发表论文 | 第63-64页 |
