基于神经网络的车牌识别技术研究
| 第一章 绪论 | 第1-15页 |
| 1．1 课题的研究背景 | 第7-8页 |
| 1．2 车牌识别的主要方法 | 第8-9页 |
| 1．2．1 IC卡识别技术 | 第8页 |
| 1．2．2 条形码识别技术 | 第8页 |
| 1．2．3 计算机视觉和图像处理技术 | 第8-9页 |
| 1．2．4 人工神经网络技术 | 第9页 |
| 1．3 车牌识别在国内外研究状况 | 第9-13页 |
| 1．3．1 车牌定位研究 | 第9-11页 |
| 1．3．2 车牌字符识别研究 | 第11-13页 |
| 1．4 我国汽车牌照的特殊性 | 第13页 |
| 1．5 论文的主要工作 | 第13-15页 |
| 第二章 用于车牌识别的数字图像处理技术 | 第15-27页 |
| 2．1 图像预处理 | 第15-20页 |
| 2．1．1 图像的格式转换及尺寸归一化 | 第15页 |
| 2．1．2 图像的灰度化 | 第15-16页 |
| 2．1．3 光照不均匀的校正 | 第16-17页 |
| 2．1．4 图像的滤波 | 第17-18页 |
| 2．1．5 图像的二值化 | 第18-20页 |
| 2．2 图像分析 | 第20-27页 |
| 2．2．1 图像的边缘检测 | 第20-21页 |
| 2．2．2 图像的形态学处理 | 第21-27页 |
| 第三章 汽车牌照的定位 | 第27-35页 |
| 3．1 车牌定位的技术介绍 | 第27-28页 |
| 3．2 牌照图像预处理 | 第28-29页 |
| 3．3 一种基于边缘统计的车牌定位方法 | 第29-35页 |
| 第四章 车牌字符分割 | 第35-41页 |
| 4．1 牌照图像增强 | 第35页 |
| 4．2 牌照图像二值化和标准化 | 第35-37页 |
| 4．2．1 图像的二值化 | 第35-36页 |
| 4．2．2 图像的标准化 | 第36-37页 |
| 4．3 牌照图像几何校正 | 第37-39页 |
| 4．3．1 霍夫变换原理 | 第37-38页 |
| 4．3．2 霍夫变换实现 | 第38页 |
| 4．3．3 几何校正 | 第38-39页 |
| 4．4 牌照字符分割 | 第39-41页 |
| 第五章 基于BP神经网络的车牌字符识别 | 第41-65页 |
| 5．1 字符识别结构方法 | 第41-43页 |
| 5．1．1 基于骨架的结构方法 | 第41-42页 |
| 5．1．2 基于轮廓的结构方法 | 第42页 |
| 5．1．3 基于局部图像的结构方法 | 第42-43页 |
| 5．1．4 特征提取与识别的融合 | 第43页 |
| 5．2 字符识别的统计方法特征提取 | 第43-45页 |
| 5．2．1 全局特征 | 第43-44页 |
| 5．2．2 局部特征 | 第44-45页 |
| 5．3 分类器的选取 | 第45-46页 |
| 5．3．1 基于距离的分类器 | 第45页 |
| 5．3．2 人工神经网络识别 | 第45-46页 |
| 5．4 BP神经网络结构 | 第46-57页 |
| 5．4．1 神经网络理论概述 | 第46-47页 |
| 5．4．2 人工神经元模型 | 第47-48页 |
| 5．4．3 神经网络的学习 | 第48-49页 |
| 5．4．4 误差反向传播学习算法—BP算法 | 第49-57页 |
| 5．5 神经网络在车牌字符识别中的应用 | 第57-65页 |
| 5．5．1 字符的预处理 | 第58-59页 |
| 5．5．2 特征的提取 | 第59页 |
| 5．5．3 分类器的选取 | 第59-62页 |
| 5．5．4 车牌识别系统实现以及实验结果 | 第62-65页 |
| 第六章 总结与展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 在读期间发表的论文 | 第71页 |
