一种基于神经网络的车牌识别方法的实现
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究的背景与意义 | 第10-12页 |
| 1.2 国内及国外的研究现状 | 第12-13页 |
| 1.3 大陆车牌的规格和识别要点 | 第13-17页 |
| 1.4 本文的工作组织安排 | 第17页 |
| 1.5 本章小结 | 第17-18页 |
| 第2章 车牌图像的预处理 | 第18-30页 |
| 2.1 OpenCV图像处理库 | 第18-19页 |
| 2.2 车牌先期处理的整体流程 | 第19-29页 |
| 2.2.1 图像去噪方法 | 第19-22页 |
| 2.2.2 灰度化处理 | 第22-23页 |
| 2.2.3 边缘检测 | 第23-26页 |
| 2.2.4 二值化处理 | 第26-28页 |
| 2.2.5 形态学方法处理 | 第28-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第3章 车牌定位的详细算法 | 第30-43页 |
| 3.1 车牌定位算法的研究现状 | 第30-33页 |
| 3.2 车牌区域特征分析 | 第33页 |
| 3.3 基于HSV的颜色定位技术 | 第33-36页 |
| 3.3.1 HSV颜色定位模型 | 第33-34页 |
| 3.3.2 在OPENCV下的具体实现 | 第34-36页 |
| 3.4 偏斜扭正 | 第36-37页 |
| 3.5 仿射变换 | 第37页 |
| 3.6 基于SVM的车牌判断 | 第37-42页 |
| 3.7 本章小结 | 第42-43页 |
| 第4章 车牌字符分割和识别技术 | 第43-55页 |
| 4.1 车牌字符的特征和预处理 | 第43-44页 |
| 4.2 字符分割常见算法 | 第44-45页 |
| 4.3 字符识别常见算法 | 第45-48页 |
| 4.3.1 基于模板匹配的方法 | 第45-46页 |
| 4.3.2 基于人工神经网络的方法 | 第46-47页 |
| 4.3.3 基于字符特征的方法 | 第47页 |
| 4.3.4 基于贝叶斯网络的方法 | 第47-48页 |
| 4.4 车牌图块归一化 | 第48-49页 |
| 4.5 基于ANN的多层感知器MLP的字符识别 | 第49-54页 |
| 4.6 本章小结 | 第54-55页 |
| 第5章 结论 | 第55-59页 |
| 5.1 工作总结 | 第55-58页 |
| 5.2 工作展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 作者简介及科研成果 | 第62-63页 |
| 致谢 | 第63页 |
