Harris角点检测与AP聚类结合的车牌定位及识别研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 课题背景及研究意义 | 第8页 |
| 1.2 车牌识别系统研究现状 | 第8-9页 |
| 1.3 课题主要研究内容 | 第9页 |
| 1.4 论文结构安排 | 第9-11页 |
| 第二章 图像的预处理 | 第11-17页 |
| 2.1 彩色图像灰度化 | 第11-12页 |
| 2.2 平滑滤波 | 第12页 |
| 2.3 边缘检测 | 第12-15页 |
| 2.4 形态学处理 | 第15-16页 |
| 2.5 本章小结 | 第16-17页 |
| 第三章 车牌定位 | 第17-27页 |
| 3.1 车牌定位研究现状 | 第17页 |
| 3.2 角点检测 | 第17-20页 |
| 3.3 AP 聚类 | 第20-23页 |
| 3.4 异常检测 | 第23-24页 |
| 3.5 区域的合并与待选区域的识别 | 第24-26页 |
| 3.6 本章小结 | 第26-27页 |
| 第四章 字符切分 | 第27-39页 |
| 4.1 字符切分研究现状 | 第27页 |
| 4.2 图像预处理 | 第27-34页 |
| 4.2.1 车牌图像二值化 | 第28-30页 |
| 4.2.2 倾斜校正 | 第30-34页 |
| 4.2.3 去除边框与噪声 | 第34页 |
| 4.3 字符切分 | 第34-36页 |
| 4.4 车牌字符的归一化 | 第36-38页 |
| 4.4.1 相对位置的归一化 | 第37页 |
| 4.4.2 大小尺寸的归一化 | 第37-38页 |
| 4.5 本章小结 | 第38-39页 |
| 第五章 字符识别 | 第39-53页 |
| 5.1 字符识别研究现状 | 第39-40页 |
| 5.2 基于神经网络的车牌字符识别的方法 | 第40-45页 |
| 5.2.1 人工神经元 | 第40-41页 |
| 5.2.2 BP 神经网络 | 第41-44页 |
| 5.2.3 BP 算法的改进方案 | 第44-45页 |
| 5.3 BP 网络的设计 | 第45-50页 |
| 5.3.1 特征提取 | 第45-48页 |
| 5.3.2 输入层、输出层的设计 | 第48-49页 |
| 5.3.3 隐含层的层数以及神经元数目的确定 | 第49-50页 |
| 5.3.4 初始权值及各参数的设计 | 第50页 |
| 5.4 字符的训练与识别 | 第50-52页 |
| 5.5 本章小结 | 第52-53页 |
| 第六章 结论 | 第53-54页 |
| 6.1 课题工作总结 | 第53页 |
| 6.2 课题展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 发表论文 | 第57-58页 |
| 致谢 | 第58页 |
