车牌定位与车牌字符识别算法的研究与实现
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-17页 |
| ·车牌识别技术应用背景及现实意义 | 第11-12页 |
| ·国内外车牌识别技术的研究现状 | 第12-13页 |
| ·中国车牌特征 | 第13-15页 |
| ·本课题主要工作 | 第15页 |
| ·结构安排 | 第15-17页 |
| 第二章 车牌识别系统概述 | 第17-21页 |
| ·车牌识别系统结构 | 第17-18页 |
| ·车牌识别系统的算法组成 | 第18-20页 |
| ·图像预处理 | 第18页 |
| ·车牌定位算法 | 第18-19页 |
| ·车牌字符分割算法 | 第19页 |
| ·车牌字符识别算法 | 第19-20页 |
| ·小结 | 第20-21页 |
| 第三章 本文算法研究相关理论 | 第21-33页 |
| ·图像预处理理论 | 第21-23页 |
| ·RGB 彩色图像灰度化 | 第21页 |
| ·灰度拉伸 | 第21-23页 |
| ·边缘检测 | 第23-28页 |
| ·边缘检测概述 | 第23-24页 |
| ·常用的边缘检测算子 | 第24-28页 |
| ·彩色模型介绍 | 第28-32页 |
| ·RGB 彩色模型 | 第28-29页 |
| ·HSI 彩色模型 | 第29-30页 |
| ·RGB 与 HSI 颜色模型的转化 | 第30-32页 |
| ·小结 | 第32-33页 |
| 第四章 车牌定位算法研究 | 第33-59页 |
| ·目前常用的车牌定位算法 | 第33-35页 |
| ·基于直观特征的车牌定位方法 | 第33-34页 |
| ·基于变换域特征的车牌定位方法 | 第34页 |
| ·基于机器学习的车牌定位方法 | 第34-35页 |
| ·本文的车牌定位算法 | 第35-57页 |
| ·本课题的应用范围和图像标准 | 第35-36页 |
| ·本文车牌图像特点 | 第36页 |
| ·基于多特征与多方法筛选的车牌定位方法 | 第36-51页 |
| ·车牌图像灰度化 | 第37页 |
| ·基于小波变换的图像滤波 | 第37-40页 |
| ·垂直边缘检测 | 第40-41页 |
| ·根据车牌字符与背景颜色搭配滤除干扰边缘 | 第41-43页 |
| ·根据车牌边缘横向排列特征去除干扰边缘 | 第43-45页 |
| ·横向边缘点连接 | 第45-46页 |
| ·纵向去除干扰点 | 第46页 |
| ·纵向点连接 | 第46-47页 |
| ·连通区域标记及基于多方法结合的车牌区域提取 | 第47-51页 |
| ·车牌校正 | 第51-55页 |
| ·车牌精确定位 | 第55-57页 |
| ·车牌定位算法测试与性能分析 | 第57-58页 |
| ·小结 | 第58-59页 |
| 第五章 车牌字符识别算法研究 | 第59-73页 |
| ·车牌字符特点分析 | 第59-60页 |
| ·常用车牌字符识别方法介绍 | 第60-62页 |
| ·模板匹配法 | 第60-61页 |
| ·人工神经网络法 | 第61页 |
| ·支持向量机法 | 第61页 |
| ·AdaBoost 法 | 第61-62页 |
| ·本文的车牌字符识别方法 | 第62-66页 |
| ·决策树理论 | 第62-66页 |
| ·决策树的构造 | 第63-66页 |
| ·模型组合 | 第66页 |
| ·车牌字符预处理 | 第66-67页 |
| ·使用决策树算法对车牌字符进行识别 | 第67-70页 |
| ·决策树分类器的训练 | 第68-70页 |
| ·Bagging 决策树分类 | 第68-69页 |
| ·Boosting 决策树分类 | 第69-70页 |
| ·使用随机树算法对车牌字符进行识别 | 第70-72页 |
| ·分类树算法性能分析 | 第72-73页 |
| 第六章 总结与展望 | 第73-75页 |
| ·总结 | 第73-74页 |
| ·展望 | 第74-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-79页 |
| 硕士期间取得的研究成果 | 第79-80页 |
