一种基于RBF神经网络的车牌识别技术的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题研究的背景与意义 | 第8-9页 |
| ·国内外研究现状 | 第9-13页 |
| ·本课题的主要工作 | 第13-14页 |
| 第二章 图像处理 | 第14-22页 |
| ·图像灰度化 | 第14-15页 |
| ·图像增强 | 第15-19页 |
| ·图像灰度变换 | 第15-16页 |
| ·图像滤波 | 第16-18页 |
| ·图像锐化 | 第18-19页 |
| ·图像二值化 | 第19-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 车牌定位 | 第22-32页 |
| ·车牌区域定位技术介绍 | 第22-23页 |
| ·一般的定位方法 | 第23页 |
| ·数学形态学的基本知识 | 第23-28页 |
| ·数学形态学的基本符号与常用关系表达式 | 第24-25页 |
| ·数学形态学的基本运算 | 第25-28页 |
| ·边缘检测 | 第28-30页 |
| ·基于数学形态学的车牌定位 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 车牌的精确定位与字符分割 | 第32-42页 |
| ·车牌的倾斜校正 | 第32-35页 |
| ·Hough变换 | 第32-33页 |
| ·Radon变换 | 第33-34页 |
| ·牌照图像的几何变换 | 第34-35页 |
| ·车牌上下边框和铆钉的去除 | 第35-36页 |
| ·字符分割 | 第36-41页 |
| ·车牌特征 | 第36页 |
| ·垂直投影的引入和先验知识 | 第36-37页 |
| ·理想单字符切分算法 | 第37-38页 |
| ·改进的单字符切分算法 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 第五章 基于RBF神经网络的车牌字符识别 | 第42-53页 |
| ·字符识别方法 | 第42-43页 |
| ·RBF神经网络 | 第43-47页 |
| ·RBF神经网络结构 | 第43-44页 |
| ·RBF神经网络的学习过程 | 第44-46页 |
| ·改进的RBF神经网络的学习方法 | 第46-47页 |
| ·特征提取 | 第47-49页 |
| ·字符特征提取的基本方法 | 第47-48页 |
| ·本文采用的字符特征提取方法 | 第48页 |
| ·字符预处理 | 第48-49页 |
| ·网络设计 | 第49-51页 |
| ·实验样本的选择 | 第49-50页 |
| ·RBF神经网络的参数的确定 | 第50-51页 |
| ·本章小结 | 第51-53页 |
| 第六章 实验结果与分析 | 第53-60页 |
| ·车牌定位结果 | 第53-55页 |
| ·车牌精确定位 | 第55-56页 |
| ·字符分割效果 | 第56-57页 |
| ·特征提取效果 | 第57-58页 |
| ·字符识别的实验结果 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 总结与展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士期间发表的论文 | 第65页 |
