遗传神经网络在车牌识别系统中研究及应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 图表清单 | 第9-11页 |
| 注释表 | 第11-12页 |
| 第一章 绪论 | 第12-16页 |
| ·课题的背景及现实意义 | 第12页 |
| ·技术背景及研究现状 | 第12-14页 |
| ·系统实现的软件平台 | 第14页 |
| ·本文研究的主要内容 | 第14-15页 |
| ·本文结构框架 | 第15-16页 |
| 第二章 遗传神经网络与图像预处理 | 第16-31页 |
| ·遗传算法 | 第16-19页 |
| ·基本原理与流程 | 第16-17页 |
| ·染色体编码与解码 | 第17页 |
| ·个体适应度的检测评估 | 第17-18页 |
| ·遗传算子 | 第18-19页 |
| ·数学模型及运行参数 | 第19页 |
| ·人工神经网络 | 第19-23页 |
| ·人工神经网络的神经元模型 | 第19-21页 |
| ·人工神经网络的基本模型和特点 | 第21-22页 |
| ·人工神经网络的应用领域 | 第22页 |
| ·几种常见的人工神经网络 | 第22-23页 |
| ·图像的预处理 | 第23-30页 |
| ·图像的采集 | 第23-24页 |
| ·图像的运动模糊 | 第24-26页 |
| ·图像的灰度化及二值化 | 第26-29页 |
| ·图像的增强 | 第29-30页 |
| ·图像的滤波 | 第30页 |
| ·本章小结 | 第30-31页 |
| 第三章 车牌定位算法的研究 | 第31-61页 |
| ·车牌图像的预处理 | 第31-35页 |
| ·颜色特征的车牌定位改进算法 | 第35-38页 |
| ·灰度特征的定位改进算法 | 第38-43页 |
| ·数学形态学 | 第38页 |
| ·算法实现 | 第38-43页 |
| ·基于遗传神经网络的车牌定位算法 | 第43-59页 |
| ·前期处理 | 第43-45页 |
| ·特征提取及适应度函数的构造 | 第45-49页 |
| ·车牌定位领域中现有的适应度函数构造方法 | 第45-47页 |
| ·改进的适应度函数构造方法 | 第47-49页 |
| ·遗传神经网络的研究应用 | 第49-59页 |
| ·遗传算法的相关应用 | 第49-53页 |
| ·神经网络的遗传优化 | 第53-54页 |
| ·遗传神经网络算法改进策略 | 第54-56页 |
| ·结构和权值同时优化的遗传神经网络的设计 | 第56-58页 |
| ·改进算法的进一步精校操作 | 第58页 |
| ·基于遗传神经网络车牌定位算法小结 | 第58-59页 |
| ·车牌定位三种算法的比较 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 第四章 有关字符识别技术的研究 | 第61-70页 |
| ·字符识别的原理及主要方法 | 第61-64页 |
| ·字符识别的原理 | 第61页 |
| ·字符识别的主要方法 | 第61-62页 |
| ·字符特征选取 | 第62-64页 |
| ·基于BP 神经网络的字符识别算法 | 第64-69页 |
| ·模板匹配粗识别 | 第64-65页 |
| ·BP 神经网络字符识别 | 第65-68页 |
| ·算法改进与实现 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 第五章 本文算法结果及车牌识别系统设计实现 | 第70-74页 |
| ·车牌定位的部分数据效果 | 第70页 |
| ·车牌定位算法的结果比较 | 第70-71页 |
| ·字符识别算法的实验结果 | 第71-72页 |
| ·车牌识别系统的设计与实现 | 第72-73页 |
| ·本章小结 | 第73-74页 |
| 第六章 总论与展望 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80-81页 |
| 在学期间的研究成果 | 第81页 |
