基于神经网络的综合集成车牌识别技术的研究及其应用
| 摘要 | 第1-12页 |
| 第一章 绪论 | 第12-24页 |
| 1．1 模式识别技术方法及其应用 | 第12-15页 |
| 1．2 神经网络模式识别技术 | 第15-18页 |
| 1．3 字符识别技术的发展及趋势 | 第18-21页 |
| 1．4 车牌识别技术发展及应用 | 第21-22页 |
| 1．5 本文研究的主要内容 | 第22-24页 |
| 第二章 图像处理基本方法 | 第24-31页 |
| 2．1 图像处理基础 | 第24-25页 |
| 2．2 图像基本处理方法 | 第25-29页 |
| 2．2．1 常用图像预处理方法 | 第25-27页 |
| 2．2．2 图像的几何变换 | 第27-29页 |
| 2．3 图像处理实例 | 第29-31页 |
| 第三章 图像的二值化及在车牌中的应用 | 第31-43页 |
| 3．1 文本图像二值化方法 | 第31-33页 |
| 3．1．1 全局阈值二值化方法 | 第31-32页 |
| 3．1．2 局部阈值二值化方法 | 第32-33页 |
| 3．2 基于SOFM的灰度图二值化方法 | 第33-37页 |
| 3．3 基于SOFM的彩色图二值化方法 | 第37-43页 |
| 第四章 车牌字符特征的选择与提取 | 第43-52页 |
| 4．1 车牌字符的分割 | 第43页 |
| 4．2 字符特征的选择与提取 | 第43-46页 |
| 4．3 两种主要特征提取方法及其实现 | 第46-52页 |
| 4．3．1 改进的粗网格特征 | 第47-48页 |
| 4．3．2 方向线素特征 | 第48-52页 |
| 第五章 神经网络模式识别技术的研究 | 第52-76页 |
| 5．1 SOFM的结构及其优化算法 | 第52-56页 |
| 5．1．1 SOFM的结构及其基本学习算法 | 第52-54页 |
| 5．1．2 SOFM算法的优化 | 第54-56页 |
| 5．2 基于单一特征的神经网络识别研究 | 第56-63页 |
| 5．2．1 字符预处理 | 第57-58页 |
| 5．2．2 字符特征提取 | 第58页 |
| 5．2．3 SOFM网络训练 | 第58-62页 |
| 5．2．4 基于SOFM网络的字符识别 | 第62-63页 |
| 5．3 基于不同特征的SOFM网络识别比较 | 第63-67页 |
| 5．4 基于多特征的神经网络综合集成识别方法研究 | 第67-76页 |
| 5．4．1 多分类器的集成形式 | 第67-68页 |
| 5．4．2 多分类器的决策机制 | 第68-70页 |
| 5．4．3 网络集成识别流程 | 第70-74页 |
| 5．4．4 实验结果分析 | 第74-76页 |
| 第六章 车牌识别系统的研制 | 第76-95页 |
| 6．1 车牌识别系统的设计 | 第76-78页 |
| 6．2 软件系统的设计思想 | 第78-83页 |
| 6．3 车牌识别系统的结构和功能 | 第83-89页 |
| 6．3．1 车牌识别系统的结构 | 第83-87页 |
| 6．3．2 车牌识别系统功能 | 第87-89页 |
| 6．4 系统中的典型算法介绍 | 第89-95页 |
| 第七章 结论 | 第95-96页 |
| 参考文献 | 第96-99页 |
| 附录 | 第99-102页 |
