复杂背景下的车牌识别技术研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-14页 |
| 1.1 车牌识别技术的研究背景 | 第11页 |
| 1.2 车牌识别技术应用场合 | 第11-12页 |
| 1.3 车牌识别技术的发展现状 | 第12页 |
| 1.4 目前车牌识别技术存在的问题 | 第12-13页 |
| 1.5 论文的主要工作 | 第13-14页 |
| 第2章 车牌的特征与取方式 | 第14-17页 |
| 2.1 我国车牌特征 | 第14-15页 |
| 2.2 我国车牌的特殊性 | 第15页 |
| 2.3 车牌获取的方式 | 第15-16页 |
| 2.3.1 外部触发 | 第15-16页 |
| 2.3.2 自触发 | 第16页 |
| 2.4 车牌识别系统的组成和工作原理 | 第16页 |
| 2.5 本章小结 | 第16-17页 |
| 第3章 复杂环境下的车牌图像分类 | 第17-40页 |
| 3.1 车牌识别系统的工作环境分析 | 第17-18页 |
| 3.2 车牌图像质量的评价指标 | 第18-19页 |
| 3.3 车牌图像质量的改善方法 | 第19-23页 |
| 3.3.1 分段线性变换 | 第19-20页 |
| 3.3.2 直方图均衡化 | 第20页 |
| 3.3.3 多尺度Retinex | 第20-23页 |
| 3.4 本文车牌图像自适应分类方案设计 | 第23-29页 |
| 3.4.1 改进的C-均值聚类算法 | 第25-26页 |
| 3.4.2 基于KWFCM的图像分类算法 | 第26-28页 |
| 3.4.3 车牌图像分类算法流程 | 第28-29页 |
| 3.5 自适应车牌图像分类 | 第29-39页 |
| 3.5.1 夜间弱光型图像增强算法 | 第30-33页 |
| 3.5.2 夜间强光型图像增强算法 | 第33-36页 |
| 3.5.3 白天弱光型图像增强算法 | 第36-37页 |
| 3.5.4 白天强光型图像增强算法 | 第37-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第4章 复杂环境下的车牌定位研究 | 第40-51页 |
| 4.1 双边滤波 | 第40-41页 |
| 4.2 改进的均值滤波 | 第41-42页 |
| 4.3 边缘提取 | 第42页 |
| 4.4 边缘图像去噪 | 第42-44页 |
| 4.5 灰度能量聚类算法 | 第44-45页 |
| 4.6 去除伪车牌 | 第45-47页 |
| 4.7 实验结果 | 第47-49页 |
| 4.8 本章小结 | 第49-51页 |
| 第5章 车牌字符分割算法的研究 | 第51-63页 |
| 5.1 自适应阈值二值化 | 第51-52页 |
| 5.2 车牌角度校正 | 第52-53页 |
| 5.3 图像旋转原理 | 第53-56页 |
| 5.4 边框去除 | 第56-57页 |
| 5.5 宽度回归正常型字符分割 | 第57-58页 |
| 5.6 宽度回归非正常型字符分割 | 第58-60页 |
| 5.7 不同算法性能比较 | 第60-61页 |
| 5.8 字符归一化处理 | 第61-62页 |
| 5.9 本章小结 | 第62-63页 |
| 第6章 字符识别 | 第63-80页 |
| 6.1 传统字符识别算法 | 第63-64页 |
| 6.1.1 基于模板匹配的字符识别算法 | 第63页 |
| 6.1.2 SVM车牌识别算法 | 第63-64页 |
| 6.2 字符特征向量相关性 | 第64-66页 |
| 6.3 Relief特征选择算法 | 第66-67页 |
| 6.4 模糊特征加权支持向量机 | 第67-69页 |
| 6.5 试验结果分析 | 第69-71页 |
| 6.6 车牌识别系统界面及功能概述 | 第71-79页 |
| 6.7 本章小结 | 第79-80页 |
| 结论与展望 | 第80-81页 |
| 参考文献 | 第81-85页 |
| 攻读硕士期间研究成果 | 第85-86页 |
| 致谢 | 第86页 |
