基于机器学习的模糊车牌的识别.pdf

烈薹科拨夫哮硕士学位论文堡蒹蜜翌竺生竺璺翌基于机器学习的模糊车牌的识别刘晓黎指导教师姓名:申请学位级别:论文定稿同期:学位授予单位:学位授予日期:冻建勋淌武汉科技大学计算机科学与技术学院答辩委员会主席:评阅人:分类号:徐东平淌徐尔平淌张晓龙淌密级:
,;、~;\、
论文作者签名:立迫论文作者签名:幺榈指导教师签名:巳遮童垄/酰弧琭,岁武汉科技大学研究生学位论文创新性声明研究生学位论文版权使用授权声明本人郑重声明:所呈交的学位论文是本人在导师指导下,独立进行研究所取得的成果。除了文中已经注明引用的内容或属合作研究共同完成的工作外,本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体,均己在文中以明确方式标明。申请学位论文与资料若有不实之处,本人承担一切相关责任。本论文的研究成果归武汉科技大学所有,其研究内容不得以其它单位的名义发表。本人完全了解武汉科技大学有关保留、使用学位论文的规定,同意学校保留并向有关部门凑铡段浜嚎萍即笱Ч赜谘芯可宦畚氖章工作的规定》执行徒宦畚牡母从〖偷缱影姹荆市砺畚谋徊樵暮徒柙模同意学校将本论文的全部或部分内容编入学校认可的国家相关数据库进行检索和对外服务。期:日
武汉科技大学摘要硕士学位论文第智能交通系统作为分析处理城市和公路上的车辆的工具被迅速地发展。车牌识别系统涉及到计算机视觉、图像处理、模式识别等多个学科。由于应用场景及车牌本身的复杂性,该系统需解决的问题相当复杂,比如外界光照条件恶劣、特殊天气条件、复杂的非车牌区域干扰等因素都会影响车牌识别系统的性能。本文选用抗噪性较好的小波包变换对图像进行增强;根据车牌图像具有特征采用算法训练数据区分含有车牌的图像和不含车牌的图像,采用堑慵觳夥椒ū昙撬薪堑阄恢茫缓蠖ㄒ逡桓鼍匦位窗口扫描整幅图像,最后滑动窗口中白色像素点最多的位置即为车牌区域,从而定位出车牌区域。根据浠唤兴椒指睿笤俳写怪狈指钭既返姆指畛龈鞲鲎址后采用神经网络的方法是识别出分割出来的字符。关键词:车牌定位;算法;堑悖蛔址指睿籅窬纾蛔址侗
武汉科技大学第页硕士学位论文,瑂籥籗;;甃,琣甋,猵..瑄,畉..:籄篶
武汉科技大学目录硕士学位论文第摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..第一章绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯课题研究背景⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯国内外研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯论文的内容安排⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第二章数字图像的表示及分割⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯数字图像的表示⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯丈ǹ誌、自蚪椤丈ǹ占鋄蚪椤数字图像的分割之边缘检测⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.第三章基于数字图像的车牌识别技术⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.图像预处理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..〔ò浠坏某盗就枷裨銮克惴ā基于机器学习的车牌定位⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..算法的训练过程⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一神经网络简介⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一特征点提取方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯网络的设计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一第四章系统构建和实验测试结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.设计原理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..⋯.⋯⋯⋯⋯⋯⋯..⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯.⋯⋯...
武汉科技大学第页硕士学位论文总体设计流程⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..?榈氖迪帧本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.第五章总结和展望⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.工作总结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯