基于神经网络的车牌字符识别系统的研究和实现
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第1章 绪论 | 第9-13页 |
| ·课题的研究意义 | 第9页 |
| ·车牌识别系统的概述 | 第9-11页 |
| ·本文研究的主要内容 | 第11-13页 |
| 第2章 车牌区域定位与提取 | 第13-27页 |
| ·数字图像处理技术 | 第13-15页 |
| ·彩色汽车图像灰度化 | 第13页 |
| ·中值滤波 | 第13-15页 |
| ·我国车牌的规格及特征 | 第15页 |
| ·基于边缘检测和明暗相间纹理特征的车牌定位方法 | 第15-22页 |
| ·灰度拉伸 | 第17-18页 |
| ·图像锐化 | 第18-20页 |
| ·最大类方差二值化 | 第20-22页 |
| ·牌照几何位置的调整 | 第22-26页 |
| ·车牌提取后的反色处理 | 第26-27页 |
| 第3章 字符分割 | 第27-36页 |
| ·字符分割的模板匹配法 | 第28-33页 |
| ·最大类间方差作判决条件 | 第28-31页 |
| ·车牌字符串模板 | 第31-32页 |
| ·车牌字符分割算法 | 第32-33页 |
| ·字符图像归一化处理 | 第33-36页 |
| 第4章 车牌字符特征提取 | 第36-54页 |
| ·字符常用的特征提取方法 | 第36-37页 |
| ·我国车牌字符特征 | 第37页 |
| ·基于脉冲耦合神经网络的汉字图像的特征提取 | 第37-49页 |
| ·脉冲耦合神经网络模型 | 第37-38页 |
| ·脉冲耦合神经网络的工作机理 | 第38-41页 |
| ·脉冲耦合神经网络性能参数 | 第41-42页 |
| ·脉冲耦合神经网络的基本特性 | 第42-43页 |
| ·PCNN对汉字图像的特征提取 | 第43-48页 |
| ·各参数对PCNN的熵系列的影响 | 第45-48页 |
| ·实验仿真结果 | 第48-49页 |
| ·复合算法的数字和字母的特征提取 | 第49-54页 |
| ·轮廓特征系数 | 第49-50页 |
| ·欧拉数 | 第50-51页 |
| ·十三点网格特征提取方法 | 第51-52页 |
| ·行、列投影法 | 第52-54页 |
| 第5章 基于改进的BP神经网络的字符识别器 | 第54-70页 |
| ·BP神经网络 | 第54-63页 |
| ·三层BP神经网络算法 | 第55-58页 |
| ·BP算法的程序实现 | 第58-60页 |
| ·Bp算法的缺点及其改进措施 | 第60-63页 |
| ·BP神经网络识别器的设计 | 第63-70页 |
| ·网络结构的设计 | 第64-65页 |
| ·输入数据的预处理 | 第65-67页 |
| ·训练集的设计 | 第67页 |
| ·网络训练与学习 | 第67-70页 |
| 第6章 总结与展望 | 第70-73页 |
| ·总结 | 第70-72页 |
| ·展望 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 研究生期间发表的论文 | 第76-77页 |
| 致谢 | 第77页 |
