2。1。1灰度化 8

2。1。2图像增强 8

2。1。3滤波环节 9

2。1。4边缘检测 9

2。1。5图像区域定位 9

2。1。6 倾斜校正 10

2。2本文设计的预处理方法 10

2。2。1基于加权平均值的灰度化算法 10

2。2。2基于线性灰度变换的图像增强算法 11

2。2。3两种滤波环节的设计 11

2。2。4 基于Roberts算子和Sobel算子的边缘检测方法 12

2。2。5车牌图像区域定位算法 13

2。2。6 车牌图像的倾斜校正 15

第三章 字符分割与特征提取 17

3。1字符分割的二值化处理前提 17

3。2字符分割方法 17

3。3字符归一化 18

3。4 特征提取 18

3。5本文设计的字符分割和特征提取 19

3。5。1 阈值法二值化处理 19

3。5。2 改进的投影分割方法 20

3。5。3 基于邻近插值算法的字符归一化 21

3。5。4 微结构法和逐像素法特征提取 21

第四章 神经网络字符识别分类器设计 23

4。1 字符识别现状 23

4。2 神经网络概述 23

4。2。1 神经网络发展与模式识别 23

4。2。2 神经网络模型 24

4。3 BP神经网络算法 25

4。4 BP神经网络车牌字符图像的识别 31

第五章 神经网络字符识别系统的实现与分析 32

5。1 预处理模块 32

5。1。1 图像灰度化 32

5。1。2中值滤波 32

5。1。3边缘检测 33

5。1。4图像形态学处理 33

5。2车牌定位 34

5。3倾斜校正 34

5。4 图像二值化 34

5。5字符切割 35

5。6字符识别 35

5。6。1 字符归一化与特征提取 35

5。6。2 BP神经网络字符识别分类器的设计 36

5。6。3字符识别 36

第六章 总结与展望 38

6。1 总结 38

6。2 难点 38

6。3 展望 39

致  谢 40

参考文献