汽车牌照自动识别技术的研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 前言 | 第7-11页 |
| 第一节 车牌识别的意义及概述 | 第7-10页 |
| 第二节 现状的分析 | 第10-11页 |
| 第一章 图象处理基础 | 第11-21页 |
| 第一节 图象变换分析 | 第11-17页 |
| 1 傅立叶变换 | 第11-12页 |
| ·变换定义 | 第11-12页 |
| ·二维离散傅立叶变换 | 第12页 |
| 2 小波变换 | 第12-17页 |
| ·小波定义 | 第12-14页 |
| ·小波多分辨率分析特性 | 第14页 |
| ·二维离散小波变换 | 第14-17页 |
| 第二节 图象预处理 | 第17-21页 |
| 1 图象增强 | 第17-19页 |
| ·频域增强 | 第17-19页 |
| ·直方图增强 | 第19页 |
| 2 边缘提取 | 第19-21页 |
| ·边缘检测 | 第19-21页 |
| 第二章 模式识别的理论基础 | 第21-28页 |
| 第一节 统计模式识别 | 第21-25页 |
| 1 决策理论方法 | 第21-23页 |
| 2 统计分类方法 | 第23-25页 |
| 第二节 神经网络与模式识别 | 第25-28页 |
| 1 神经元模型 | 第25-26页 |
| 2 神经网络结构 | 第26-27页 |
| 3 BP神经网络学习规则 | 第27页 |
| 4 神经网络的特点 | 第27-28页 |
| 第三章 系统的实现 | 第28-52页 |
| 第一节 车牌特征 | 第28-31页 |
| 1 车牌物理特征 | 第28-29页 |
| 2 车牌区域亮度 | 第29页 |
| 3 车牌高频分量及纹理特征 | 第29-31页 |
| 第二节 图象预处理 | 第31页 |
| 第三节 车牌定位 | 第31-35页 |
| 1 基于小波纹理分析的分割定位 | 第31-35页 |
| 第四节 车牌字符分割 | 第35-41页 |
| 1 阈值二值化 | 第35-38页 |
| 2 字符分割 | 第38-41页 |
| 第五节 车牌字符识别 | 第41-51页 |
| 1 字符的归一化 | 第41-42页 |
| 2 多重神经网络的识别 | 第42-51页 |
| ·图象预处理与特征选取 | 第42-44页 |
| ·浓度模板的构造 | 第44-48页 |
| ·多重BP神经网络 | 第48-49页 |
| ·网络的训练与识别 | 第49-51页 |
| 第六节 系统识别结果 | 第51-52页 |
| 结束语 | 第52-53页 |
| 主要参考文献 | 第53-56页 |
| 致谢 | 第56页 |
