1、文件夹“charSamples”为神经网络训练的样本图片
2、文件夹“样本库”为模板匹配方法的模板
3、在神经网络训练中，我将文件夹“charSamples”中的样本图片都转 换成适合神经网络输入的列向量存到Excel表格中（为文件夹“代码 ”中的pattern3.xlsx）
4、文件夹“代码”中的
cpsb_ModelMatch.m为模板匹配方法代码
cpsb_NeuralNetwork.m为神经网络方法代码
myNeuralNetworkFunction.m为神经网络训练代码
WriteModel2Excel.m为将样本图片写入Excel文件的代码
label_generate.m为生成神经网络输出数据的代码
shuzizifu3.mat保存训练好的神经网络
车牌识别（基于模板匹配和神经网络）.zip
需积分: 22 125 浏览量
2019-12-07
16:53:23
上传
评论 11
收藏 24.38MB ZIP 举报
车牌识别（基于模板匹配和神经网络）.zip （1786个子文件） 
S.bmp 12KB Q.bmp 12KB 2.bmp 12KB X.bmp 12KB 5.bmp 12KB R.bmp 12KB W.bmp 12KB G.bmp 12KB N.bmp 12KB Z.bmp 12KB D.bmp 12KB U.bmp 12KB 4.bmp 12KB E.bmp 12KB F.bmp 11KB 1.bmp 11KB T.bmp 11KB L.bmp 11KB 陕.bmp 2KB 鲁.bmp 2KB 6.bmp 829B 3.bmp 815B B.bmp 807B A.bmp 803B V.bmp 793B 9.bmp 778B C.bmp 771B k.bmp 764B Y.bmp 668B H.bmp 663B 0.bmp 660B P.bmp 656B M.bmp 611B 7.bmp 583B J.bmp 566B 宁.bmp 222B 闽.bmp 222B 京.bmp 222B 豫.bmp 222B 浙.bmp 222B 粤.bmp 222B 8.bmp 222B 苏.bmp 222B 津.bmp 222B 桂.bmp 222B 皖.bmp 222B 沪.bmp 222B 辽.bmp 222B 鄂.bmp 222B 湘.bmp 222B 黑.bmp 222B 蒙.bmp 222B 赣.bmp 222B 冀.bmp 222B 吉.bmp 222B 晋.bmp 222B 川.bmp 222B
车牌字符识别技术的研究和实现_赖锟 (1).caj 4.24MB 文本类验证码识别方法研究_田超雄.caj 4.09MB 基于Matlab的车牌定位及分割技术的研究与实现_杨龙华.caj 3.63MB 基于区域统计和BP神经网络的车牌识别_盛兆亮.caj 3.12MB 基于神经网络车牌图像识别系统_李智超.caj 1.82MB 基于混合神经网络的车牌字符识别技术_张长青.caj 601KB
chepai3.jpg 76KB chepai2.jpg 41KB chepai6.jpg 41KB chepai1.jpg 38KB chepai2.jpg 38KB chepai4.jpg 33KB chepai4.jpg 33KB chepai5.jpg 32KB chepai1.jpg 32KB chepai6.jpg 31KB chepai7.jpg 31KB chepai3.jpg 30KB chepai.jpg 30KB cpsb_ModelMatch.m 9KB cpsb_NeuralNetwork.m 9KB WriteModel2Excel.m 7KB myNeuralNetworkFunction.m 906B label_generate.m 294B shuzizifu3.mat 71KB
11_0.979276_gray_1009_528_step5_recog_3_P_0.996434_0.975784.png 985B 18_0.752831_gray_342_133_step5_recog_3_R_0.966042_0.727267.png 968B 49_0.731274_gray_7772_2813_step5_recog_8_S_0.965786_0.706255.png 959B 41_0.881700_gray_11129_4760_step5_recog_11_P_0.981046_0.864988.png 863B 26_0.915550_gray_9737_3597_step5_recog_6_0_0.984816_0.901648.png 845B 48_0.844309_gray_1364_859_step5_recog_3_G_0.982038_0.829144.png 829B 24_0.823022_gray_407_198_step5_recog_3_4_0.971357_0.799448.png 826B 2_0.900613_gray_264_119_step5_recog_2_Z_0.982687_0.885020.png 823B 6_0.497471_gray_85_60_step5_recog_2_K_0.489183_0.243354.png 814B 1_0.915882_gray_1591_1054_step5_recog_3_S_0.984284_0.901489.png 775B 26_0.483722_gray_274_113_step5_recog_2_T_0.827714_0.400384.png 723B 46_0.919893_gray_1024_703_step5_recog_2_H_0.990126_0.910810.png 708B 7_0.951653_gray_8088_5159_step5_recog_13_G_0.991553_0.943615.png 706B 32_0.918205_gray_2680_1423_step5_recog_2_A_0.990703_0.909669.png 699B 30_0.888082_gray_1477_764_step5_recog_2_4_0.983501_0.873430.png 690B 16_0.874570_gray_2584_1359_step5_recog_2_H_0.966873_0.845599.png 686B 45_0.893023_gray_13842_6217_step5_recog_5_V_0.983330_0.878137.png 683B 43_0.343405_gray_17231_6757_step5_recog_6_M_0.370294_0.127161.png 668B共 1786 条
- 1
- 2
- 3
- 4
- 5
- 6
- 18
资源评论
