运动模糊车牌图像恢复、定位与校正的研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 课题的目的与意义 | 第11-12页 |
| 1.2 车牌识别系统概述及其技术现状 | 第12-14页 |
| 1.2.1 车牌识别系统原理 | 第12-13页 |
| 1.2.2 车牌识别技术 | 第13-14页 |
| 1.3 高速运动下车辆牌照识别的一些新问题 | 第14页 |
| 1.4 汉字识别技术的历史与现状 | 第14-15页 |
| 1.5 车牌识别的发展趋势 | 第15-17页 |
| 1.6 本文的工作和内容安排 | 第17-19页 |
| 1.7 本章小结 | 第19-20页 |
| 第二章 模糊方向与尺度的鉴别 | 第20-35页 |
| 2.1 运动模糊方向鉴别原理 | 第20-21页 |
| 2.2 运动模糊方向的鉴别 | 第21-22页 |
| 2.2.1 运动模糊方向鉴别方法简介 | 第21-22页 |
| 2.3 具体的实现方法 | 第22-25页 |
| 2.4 运动模糊尺度的鉴别原理 | 第25-29页 |
| 2.4.1 模糊尺度鉴别原理 | 第25-28页 |
| 2.4.2 具体计算方法 | 第28-29页 |
| 2.5 实际图像示例 | 第29-30页 |
| 2.6 图像恢复 | 第30-34页 |
| 2.6.1 经典恢复算法 | 第31-32页 |
| 2.6.2 维纳滤波 | 第32-33页 |
| 2.6.3 运动模糊退化模型 | 第33-34页 |
| 2.7 本章小结 | 第34-35页 |
| 第三章 车牌定位算法 | 第35-46页 |
| 3.1 车牌定位分割算法介绍 | 第35-37页 |
| 3.2 车辆牌照的特点 | 第37-39页 |
| 3.3 定位算法 | 第39-43页 |
| 3.4 图像示例 | 第43-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 图像校正 | 第46-56页 |
| 4.1 几个相关的坐标系 | 第46-48页 |
| 4.2 摄像机模型 | 第48-49页 |
| 4.3 图像恢复 | 第49-54页 |
| 4.3.1 单应性矩阵恢复的原理 | 第49-51页 |
| 4.3.2 车牌边缘自动检测 | 第51-52页 |
| 4.3.3 基于单应性矩阵的字符恢复 | 第52-54页 |
| 4.4 本章小结 | 第54-56页 |
| 第五章 字符分割 | 第56-65页 |
| 5.1 车牌边框的去除 | 第56页 |
| 5.2 具体步骤及实例 | 第56-58页 |
| 5.3 平滑滤波处理 | 第58-60页 |
| 5.3.1 自适应中值滤波器 | 第58-60页 |
| 5.4 图像二值化 | 第60-62页 |
| 5.5 字符分割 | 第62-64页 |
| 5.6 本章小结 | 第64-65页 |
| 第六章 智能字符识别 | 第65-72页 |
| 6.1 字符图像的归一化 | 第65-66页 |
| 6.2 字符特征提取 | 第66-68页 |
| 6.3 神经网络字符识别方面的讨论 | 第68-69页 |
| 6.4 利用集成BP 神经网络进行字符识别 | 第69-70页 |
| 6.5 字符特征提取 | 第70-71页 |
| 6.6 本章小结 | 第71-72页 |
| 第七章 总结与展望 | 第72-74页 |
| 7.1 主要结论 | 第72-73页 |
| 7.2 研究展望 | 第73页 |
| 7.3 本章小结 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 附录 | 第79-85页 |
| 附录1 利用黄金分割法求方向微分后的图像灰度极值 | 第79页 |
| 附录2 车牌定位部分代码 | 第79-83页 |
| 附录3 剔除车牌边框的代码 | 第83-85页 |
| 致谢 | 第85-86页 |
| 攻读学位期间发表的学术论文 | 第86页 |
