遗传算法在车牌识别系统中的应用研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-13页 |
| 第一章 绪论 | 第13-18页 |
| ·研究背景及现实意义 | 第13页 |
| ·技术背景 | 第13-15页 |
| ·国内外车牌识别技术现状 | 第14页 |
| ·国内车牌特征与分类 | 第14-15页 |
| ·论文结构 | 第15页 |
| ·作者的主要工作 | 第15-16页 |
| ·系统实现的软件平台 | 第16-18页 |
| 第二章 遗传算法与图像基本处理技术 | 第18-38页 |
| ·图像的预处理技术 | 第18-29页 |
| ·车牌图像的采集 | 第18-20页 |
| ·运动模糊 | 第20-22页 |
| ·图像的灰度化 | 第22-23页 |
| ·图像的二值化 | 第23-25页 |
| ·图像的增强 | 第25-28页 |
| ·图像的滤波 | 第28-29页 |
| ·遗传算法 | 第29-33页 |
| ·遗传算法基本原理与流程 | 第29-30页 |
| ·遗传算法的特点 | 第30-31页 |
| ·遗传算法的数学模型 | 第31页 |
| ·遗传算法的染色体编码与解码 | 第31页 |
| ·个体适应度的检测评估 | 第31-32页 |
| ·遗传算子 | 第32-33页 |
| ·遗传算法的运行参数 | 第33页 |
| ·改进的遗传算法 | 第33-34页 |
| ·遗传算法在图像处理领域中的应用 | 第34-38页 |
| ·遗传算法在图像匹配中的应用 | 第34-35页 |
| ·遗传算法在图像分割中的应用 | 第35-36页 |
| ·遗传算法在图像增强中的应用 | 第36-38页 |
| 第三章 车牌定位技术及相关问题的研究 | 第38-71页 |
| ·车牌定位的先验知识 | 第38-39页 |
| ·车辆牌照的图像预处理 | 第39-43页 |
| ·车辆图像灰度化 | 第39-40页 |
| ·车辆图像增强 | 第40-41页 |
| ·车辆图像滤波 | 第41页 |
| ·车辆图像边缘检测 | 第41-42页 |
| ·车辆图像旋转 | 第42-43页 |
| ·基于灰度特征的车牌定位改进算法研究 | 第43-51页 |
| ·数学形态学基础 | 第43-46页 |
| ·基于灰度特征及形态学操作的车牌定位算法实现 | 第46-51页 |
| ·基于灰度特征及形态学操作的车牌定位算法小结 | 第51页 |
| ·基于颜色特征的车牌定位改进算法研究 | 第51-55页 |
| ·基于颜色特征的车牌定位改进算法实现 | 第52-55页 |
| ·基于颜色特征的车牌定位改进算法小结 | 第55页 |
| ·基于遗传算法的车牌定位改进算法研究 | 第55-69页 |
| ·基于遗传算法进行车牌定位的前期处理 | 第55-57页 |
| ·特征提取及适应度函数的构造 | 第57-61页 |
| ·遗传算法的应用 | 第61-68页 |
| ·基于遗传算法的车牌定位改进算法小结 | 第68-69页 |
| ·车牌定位三种算法的比较 | 第69-71页 |
| 第四章 字符分割技术及相关问题的研究 | 第71-84页 |
| ·车牌图像倾斜校正 | 第71-74页 |
| ·倾斜角度计算 | 第71-72页 |
| ·坐标变换校正图像 | 第72-74页 |
| ·字符分割预处理 | 第74-75页 |
| ·字符分割 | 第75-84页 |
| ·基于聚类思想的字符分割改进方法 | 第75-78页 |
| ·基于模板匹配的字符分割改进方法 | 第78-83页 |
| ·车牌字符分割小结 | 第83-84页 |
| 第五章 字符识别技术及相关问题的研究 | 第84-94页 |
| ·字符识别的原理及主要方法 | 第84-88页 |
| ·模板匹配方法 | 第84-85页 |
| ·人工神经网络介绍 | 第85-88页 |
| ·字符特征选取 | 第88-90页 |
| ·基于BP 神经网络和模板匹配的分层字符识别算法 | 第90-94页 |
| ·模板匹配粗识别 | 第90-91页 |
| ·BP 神经网络字符识别 | 第91-93页 |
| ·算法流程图 | 第93-94页 |
| 第六章 车牌识别系统及本文算法实验结果比较 | 第94-98页 |
| ·车牌识别系统 | 第94-95页 |
| ·车牌定位算法的实验结果比较 | 第95-96页 |
| ·字符分割算法的实验结果比较 | 第96-97页 |
| ·字符识别算法的实验结果 | 第97-98页 |
| 第七章 结论 | 第98-100页 |
| 参考文献 | 第100-105页 |
| 致谢 | 第105-106页 |
| 在学期间的研究成果及发表的学术论文 | 第106页 |
