基于神经网络的车牌识别技术的研究及应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-15页 |
| ·车牌识别的研究背景及意义 | 第10页 |
| ·国内外研究现状分析 | 第10-12页 |
| ·我国车牌照的特殊性 | 第12-13页 |
| ·本文的研究思路及创新点 | 第13-15页 |
| 第二章 车牌定位 | 第15-34页 |
| ·常用的车牌定位技术研究 | 第15-19页 |
| ·基于纹理特征的车牌定位技术 | 第15-16页 |
| ·基于颜色信息的车牌定位技术 | 第16页 |
| ·基于神经网络的车牌定位技术 | 第16-17页 |
| ·基于边缘检测的车牌定位技术 | 第17页 |
| ·基于数学形态学的车牌定位技术 | 第17-18页 |
| ·结合多种算法的混合定位法 | 第18-19页 |
| ·车牌图像的预处理 | 第19-29页 |
| ·数字图像处理基础 | 第19-21页 |
| ·车牌图像灰度化 | 第21-22页 |
| ·车牌图像增强与平滑 | 第22-27页 |
| ·车牌图像二值化 | 第27-29页 |
| ·本文采用的车牌定位算法 | 第29-32页 |
| ·利用水平差分和垂直差分求车牌带状区域算法描述 | 第29-30页 |
| ·先验知识标识车牌区域 | 第30-31页 |
| ·利用跳变数选择车牌算法描述 | 第31-32页 |
| ·本章小结 | 第32-34页 |
| 第三章 车牌字符分割 | 第34-45页 |
| ·车牌字符分割技术 | 第34-36页 |
| ·车牌倾斜校正 | 第36-39页 |
| ·车牌的去边框与去铆钉 | 第39页 |
| ·车牌字符分割具体实施 | 第39-42页 |
| ·字符的大小归一化与紧缩重排 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 基于遗传算法的神经网络字符识别 | 第45-67页 |
| ·神经网络概述 | 第45-49页 |
| ·神经网络的分类方法 | 第46-47页 |
| ·前馈型网络的基本信号流 | 第47-48页 |
| ·前馈型网络的工作过程 | 第48页 |
| ·学习规则 | 第48-49页 |
| ·遗传算法基本原理 | 第49-54页 |
| ·遗传算法的基本流程 | 第49-50页 |
| ·遗传算子 | 第50-53页 |
| ·编码与关键参数 | 第53-54页 |
| ·基于遗传算法的神经网络原理 | 第54-55页 |
| ·遗传算法的改进实现 | 第55-59页 |
| ·选择算子的改进 | 第56页 |
| ·交叉算子的改进 | 第56-58页 |
| ·变异算子的改进 | 第58-59页 |
| ·算法的实现与测试 | 第59-66页 |
| ·神经网络结构及算法参数 | 第59-61页 |
| ·算法测试 | 第61-66页 |
| ·本章小结 | 第66-67页 |
| 第五章 车牌识别系统实现与实验结果 | 第67-72页 |
| ·车牌识别系统的结构 | 第67页 |
| ·系统实现 | 第67-68页 |
| ·实验环境 | 第67-68页 |
| ·软件实现 | 第68页 |
| ·实验结果分析 | 第68-71页 |
| ·本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| ·本文内容总结 | 第72-73页 |
| ·前景展望 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-78页 |
