中文摘要
英文摘要
1 绪论
1.1 ITS概述
1.2 实时车牌识别系统的研究现状和技术难点
1.3 我国车牌识别的特殊性
1.4 课题研究背景、意义及主要内容
1.4.1 课题背景和意义
1.4.2 课题研究的主要内容
2 车辆图像的预处理
2.1 图像的灰度化
2.2 图像的增强
2.2.1 灰度拉伸
2.2.2 直方图均衡化
2.2.3 图像滤波
2.3 图像的二值化
2.3.1 常用二值化阈值选取方法分析
2.3.2 基于灰度直方图的全局最佳平均阈值法
2.4 小结
3 车牌的定位与几何校正
3.1 我国车牌特点分析
3.2 常见车牌定位技术的研究
3.2.1 基于边缘检测的定位方法
3.2.2 基于数学形态学的定位方法
3.2.3 基于神经网络的定位方法
3.2.4 基于彩色图像的车牌定位方法
3.3 基于车牌区域灰度分布与几何特征的实时车牌定位算法
3.4 车牌的几何较正
3.4.1 车牌图像几何变形的原因及类型的研究
3.4.2 常见的几何校正方法研究
3.5 本文采用的倾斜校正方法
3.6 小结
4 车牌字符分割与归一化
4.1 常用车牌字符分割方法的研究
4.1.1 基于投影法的字符分割
4.1.2 基于模板匹配的字符分割
4.1.3 基于连通域的字符分割
4.1.4 基于聚类分析的字符分割
4.2 基于投影法与车牌先验知识相结合的分割方法
4.3 车牌字符图像的归一化分析
4.3.1 分裂合并归一化
4.3.2 插值变换归一化
4.4 小结
5 基于PSO-BP神经网络的车牌字符识别
5.1 粒子群优化算法
5.1.1 群智能简介
5.1.2 粒子群算法原理
5.1.3 粒子群算法参数
5.1.4 粒子群算法流程
5.1.5 粒子群算法特点
5.2 BP神经网络
5.2.1 神经网络简介
5.2.2 人工神经元模型
5.2.3 神经网络的学习与训练
5.2.4 神经网络的BP模型
5.3 PSO-BP神经网络在实时车牌字符识别中的应用
5.3.1 实时车牌识别系统的结构设计和功能实现
5.3.2 PSO-BP神经网络的结构设计
5.3.3 各类字符的识别
5.3.4 实验结果及性能分析
5.4 小结
6 结论与展望
致谢
参考文献
附录