复杂环境下车牌检测与识别方法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 车牌定位与检测算法研究现状 | 第11-12页 |
| 1.2.2 车牌字符分割算法研究现状 | 第12页 |
| 1.2.3 车牌字符识别算法研究现状 | 第12-13页 |
| 1.3 论文主要研究内容 | 第13-15页 |
| 1.3.1 车牌检测与识别技术概述 | 第13-14页 |
| 1.3.2 主要工作描述 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 第二章 相关支撑技术 | 第16-25页 |
| 2.1 聚类分析 | 第16-18页 |
| 2.1.1 聚类分析概述 | 第16-17页 |
| 2.1.2 层次聚类 | 第17-18页 |
| 2.2 SVM | 第18-24页 |
| 2.2.1 SVM基本原理 | 第18-21页 |
| 2.2.2 SVM核函数 | 第21-22页 |
| 2.2.3 多分类SVM | 第22-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 车牌定位与检测 | 第25-43页 |
| 3.1 车牌定位与检测概述 | 第25-26页 |
| 3.2 常用的车牌粗定位算法 | 第26-27页 |
| 3.3 基于边缘特征和层次聚类的车牌粗定位算法 | 第27-35页 |
| 3.3.1 图像灰度化 | 第28-29页 |
| 3.3.2 边缘检测 | 第29-31页 |
| 3.3.3 边缘分析 | 第31-32页 |
| 3.3.4 边缘聚类 | 第32-34页 |
| 3.3.5 车牌验证 | 第34-35页 |
| 3.4 基于HOG特征和SVM的候选车牌检测算法 | 第35-40页 |
| 3.4.1 HOG特征提取 | 第36-39页 |
| 3.4.2 SVM车牌检测分类器 | 第39-40页 |
| 3.5 实验结果分析 | 第40-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第四章 车牌字符分割 | 第43-53页 |
| 4.1 图像二值化 | 第44页 |
| 4.2 形态学处理 | 第44-46页 |
| 4.3 倾斜矫正与边框去除 | 第46-49页 |
| 4.3.1 基于连通域分析和角度直方图的水平矫正 | 第46-48页 |
| 4.3.2 去除上下边框 | 第48-49页 |
| 4.3.3 基于错切变换的垂直矫正 | 第49页 |
| 4.4 基于字符长度特征和垂直投影的字符分割 | 第49-51页 |
| 4.5 实验结果分析 | 第51页 |
| 4.6 本章小结 | 第51-53页 |
| 第五章 车牌字符识别 | 第53-61页 |
| 5.1 常用的车牌字符识别方法 | 第53-54页 |
| 5.2 字符样本采集与归一化 | 第54-55页 |
| 5.3 字符特征提取 | 第55-57页 |
| 5.3.1 投影特征提取 | 第55-56页 |
| 5.3.2 轮廓特征提取 | 第56-57页 |
| 5.3.3 密度特征提取 | 第57页 |
| 5.4 SVM组合分类器 | 第57-58页 |
| 5.5 加权二次投票方法 | 第58-59页 |
| 5.6 实验结果分析 | 第59-60页 |
| 5.7 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-62页 |
| 参考文献 | 第62-64页 |
| 附录2 攻读硕士学位期间撰写的论文 | 第64-65页 |
| 致谢 | 第65页 |
