基于图像处理和神经网络的车牌识别系统研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-15页 |
| ·课题背景与研究价值 | 第7-8页 |
| ·车牌识别系统技术综述 | 第8-12页 |
| ·定位算法 | 第8-10页 |
| ·分割算法 | 第10-11页 |
| ·识别算法 | 第11-12页 |
| ·课题研究目的与意义 | 第12-13页 |
| ·本文的研究内容 | 第13-15页 |
| 第二章 车牌图像预处理 | 第15-26页 |
| ·灰度化 | 第15-16页 |
| ·二值化处理 | 第16-17页 |
| ·图像增强 | 第17-20页 |
| ·灰度拉伸 | 第17-18页 |
| ·邻域平均法滤波 | 第18-19页 |
| ·中值滤波 | 第19-20页 |
| ·数学形态学 | 第20-23页 |
| ·数字形态学概述 | 第21-22页 |
| ·形态学滤波的基本操作 | 第22页 |
| ·实验结果 | 第22-23页 |
| ·Sobel算子边缘检测 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 车牌区域定位与字符分割研究 | 第26-40页 |
| ·车牌区域定位 | 第26-34页 |
| ·定位算法研究 | 第26-27页 |
| ·基于特征统计的车牌定位 | 第27-30页 |
| ·基于改进Sobel算子边缘检测法 | 第30-31页 |
| ·基于粒子图像相关法的定位 | 第31-33页 |
| ·实验结果 | 第33-34页 |
| ·常见字符分割方法研究 | 第34-35页 |
| ·基于多尺度模板匹配的字符分割算法 | 第35-38页 |
| ·原始模板与车牌模板结构 | 第35-36页 |
| ·字符分割中判优函数的选取 | 第36页 |
| ·多尺度模板匹配字符分割法 | 第36-38页 |
| ·本章小结 | 第38-40页 |
| 第四章 基于神经网络的车牌字符识别 | 第40-54页 |
| ·车牌字符识别的特殊性 | 第40页 |
| ·字符识别技术概述 | 第40-43页 |
| ·车牌字符的特征提取 | 第43-46页 |
| ·字符图像归一化 | 第44页 |
| ·字母及数字的特征提取 | 第44-45页 |
| ·汉字的特征提取 | 第45-46页 |
| ·基于Gabor的字符特征提取 | 第46页 |
| ·基于神经网络的字符识别 | 第46-52页 |
| ·神经网络概述 | 第47页 |
| ·BP神经网络构造和训练 | 第47-48页 |
| ·BP神经网络算法 | 第48-49页 |
| ·改进BP神经网络算法 | 第49-50页 |
| ·实验方法和结果 | 第50-52页 |
| ·易混淆字符的识别研究 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第五章车 牌识别系统设计与实现 | 第54-59页 |
| ·系统设计原则 | 第54页 |
| ·系统结构设计图 | 第54-55页 |
| ·算法的实现 | 第55-57页 |
| ·系统功能和实验结果 | 第57-59页 |
| 第六章 结论与展望 | 第59-61页 |
| ·结论 | 第59页 |
| ·下一步工作展望 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67-68页 |
| 攻读学位期间主要的研究成果 | 第68页 |
