自然环境下标记体字符的处理和提取
| 1 绪论 | 第1-10页 |
| ·课题背景及其重要意义 | 第7页 |
| ·本文要解决的问题 | 第7-8页 |
| ·本文所采取的办法 | 第8-10页 |
| 2 图像处理和识别的传统方法及国内外研究现状 | 第10-21页 |
| ·图像处理的传统方法及特点 | 第10-12页 |
| ·图像变换和压缩 | 第12-13页 |
| ·图像增强 | 第13-15页 |
| ·图像分割 | 第15-21页 |
| ·图像阈值分割 | 第16-19页 |
| ·利用区域增长法进行图像分割 | 第19-21页 |
| 3 人工神经网络 | 第21-35页 |
| ·人工神经网络的发展史 | 第21-22页 |
| ·人工神经网络对神经元的模仿 | 第22-24页 |
| ·人工神经网络的种类极其特点 | 第24-25页 |
| ·传统BP神经网络算法简介 | 第25-30页 |
| ·BP网络节点数的选择 | 第30-31页 |
| ·前人对传统的收敛算法的改进 | 第31-32页 |
| ·比例变步长算法 | 第31-32页 |
| ·动量项法 | 第32页 |
| ·神经细胞网络(CNN)简介 | 第32-35页 |
| 4 BP++神经网络系统 | 第35-50页 |
| ·传统神经网络方法的局限及新方法的提出 | 第35-36页 |
| ·BP++网络对信息的分类处理功能 | 第36-39页 |
| ·脑的抑制现象及其在BP++网络中的应用 | 第39-41页 |
| ·网络的训练 | 第41-43页 |
| ·新旧方法的对比 | 第43-50页 |
| 5 实现的过程 | 第50-61页 |
| ·系统总体设计方案和软、硬件环境 | 第50-53页 |
| ·车牌的检测 | 第53-58页 |
| ·粗搜索 | 第54-57页 |
| ·模板匹配 | 第57-58页 |
| ·笔画统计和去掉散热片算法 | 第58页 |
| ·对车牌的学习 | 第58-60页 |
| ·训练样本的选择 | 第58-59页 |
| ·教师样本的的生成 | 第59页 |
| ·系统训练 | 第59-60页 |
| ·字符的分割 | 第60页 |
| ·实验结果分析 | 第60-61页 |
| 6 结论 | 第61-64页 |
| 致谢 | 第64-65页 |
| 本人在攻读学位期间发表的论文 | 第65-66页 |
| 参考文献 | 第66-68页 |
