声明
摘要
1 绪论
1.1 车牌识别背景
1.2 车牌识别的研究现状
1.2.1 国内外车辆牌照识别技术现状
1.2.2 中国的车牌特点
1.2.3 车牌识别算法
1.3 本文主要研究的内容
1.4 论文结构
2 人工蜂群算法
2.1 蜜蜂采蜜机制
2.2 人工蜂群算法基本思想
2.3 人工蜂群算法的主要步骤
2.4 人工蜂群算法的特点
2.5 小结
3 车牌图像预处理
3.1 灰度化处理
3.2 图像增强
3.2.1 灰度变换
3.2.2 中值滤波
3.3 小结
4 基于人工蜂群算法的车牌定位
4.1 车牌定位常用的方法
4.2 基于人工蜂群算法的图像边缘检测
4.2.1 sobel算子
4.2.2 最大类间方差法(Otsu)
4.2.3 基于RGB空间的彩色图像边缘检测
4.2.4 结合人工蜂群算法和RGB彩色空间的边缘检测方法
4.3 基于形态学的车牌定位
4.3.1 腐蚀和膨胀
4.3.2 开运算和闭运算
4.3.3 基于形态学的车牌定位
4.4 基于像素跳变的车牌定位
4.5 基于彩色信息的车牌定位
4.5.1 HSV彩色空间
4.5.2 将颜色从RGB空间向HSV空间转化
4.5.3 基于彩色信息的车牌定位
4.6 小结
5 基于人工蜂群算法的车牌字符分割
5.1 我国车牌特征
5.2 车牌字符分割方法
5.3 基于人工蜂群算法的车牌图像二值化
5.3.1 二值化的几种方法
5.3.2 结合人工蜂群算法的二值化
5.4 膨胀腐蚀操作
5.5 车牌去边框和铆钉
5.6 车牌字符分割
5.7 小结
6 基于人工蜂群算法的车牌字符识别
6.1 字符归一化
6.2 字符细化
6.2.1 击中或击不中变换
6.2.2 形态学细化
6.3 几种字符识别方法
6.4 字符特征提取
6.5 神经网络
6.6 BP神经网络原理
6.6.1 正向传播
6.6.2 反向传播
6.7 结合ABC算法和BP神经网络的车牌字符识别
6.7.1 BP网络的层数
6.7.2 各层的节点数
6.7.3 传递函数
6.7.4 误差函数
6.7.5 结合ABC算法初始化权值和偏置
6.7.6 训练方法
6.7.7 基于ABC算法和BP神经网络的字符识别
6.8 小结
7 总结
参考文献
致谢
作者简介及读研期间主要科研成果