基于CNN的智能交通系统多车牌定位方法的研究
| 摘要 | 第1-3页 |
| Abstract | 第3-6页 |
| 第1章 绪论 | 第6-15页 |
| ·研究的目的和意义 | 第6-8页 |
| ·国内外研究动态 | 第8-10页 |
| ·我国车牌的特征 | 第10-12页 |
| ·车牌识别常见算法 | 第12-13页 |
| ·车牌识别系统中的难点 | 第13-15页 |
| 第2章 基于CNN的图像边缘提取算法 | 第15-25页 |
| ·细胞神经网络综述 | 第15-18页 |
| ·细胞神经网络提取灰度图像边缘 | 第18-25页 |
| ·分析动态过程 | 第18-20页 |
| ·细胞神经网络参数设计 | 第20-21页 |
| ·实验结果及分析 | 第21-25页 |
| 第3章 车牌定位 | 第25-48页 |
| ·灰度化 | 第25-26页 |
| ·多阈值量化分割 | 第26-31页 |
| ·颜色模型 | 第26-29页 |
| ·颜色分割 | 第29-31页 |
| ·边缘检测 | 第31-36页 |
| ·图像膨胀 | 第36-39页 |
| ·提取候选区域 | 第39-43页 |
| ·一次候选区域粗定位 | 第39-41页 |
| ·提取出一次候选区域 | 第41页 |
| ·提取二次候选区域及真实性验证 | 第41-43页 |
| ·仿真结果分析 | 第43-48页 |
| 第4章 车牌字符分割与识别 | 第48-60页 |
| ·车牌字符分割算法 | 第48-54页 |
| ·现有的字符分割算法 | 第48页 |
| ·双线性插值法放大车牌区域 | 第48-50页 |
| ·灰度自适应法车牌图像二值化 | 第50-52页 |
| ·基于投影和模板匹配相结合的字符分隔算法 | 第52-54页 |
| ·制作分割模板 | 第52-53页 |
| ·模板匹配 | 第53-54页 |
| ·基于模板匹配法字符识别 | 第54-60页 |
| ·现有的字符识别算法 | 第54页 |
| ·基于模板匹配法字符识别 | 第54-60页 |
| ·制作模板 | 第56页 |
| ·字符识别 | 第56-60页 |
| 第5章 总结与展望 | 第60-61页 |
| 参考文献 | 第61-63页 |
| 攻读学位期间的研究成果 | 第63-64页 |
| 致谢 | 第64-65页 |
