| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 论文的主要研究内容 | 第16-17页 |
| 1.4 论文的组织结构 | 第17-19页 |
| 第2章 车牌识别部分理论知识介绍 | 第19-29页 |
| 2.1 国内车牌特点 | 第19-20页 |
| 2.2 车牌识别关键技术研究 | 第20-24页 |
| 2.2.1 图像滤波 | 第20-21页 |
| 2.2.2 图像边缘检测 | 第21-22页 |
| 2.2.3 数学形态学处理 | 第22-23页 |
| 2.2.4 图像二值化 | 第23-24页 |
| 2.3 车牌识别辅助技术研究 | 第24-28页 |
| 2.3.1 图像色彩空间变换 | 第24-25页 |
| 2.3.2 最大稳定极值区域 | 第25-26页 |
| 2.3.3 支持向量机 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于MSER的车牌定位技术研究与实现 | 第29-42页 |
| 3.1 本文的车牌定位算法 | 第29-31页 |
| 3.2 改进的MSER检测算法 | 第31-33页 |
| 3.2.1 成分树构造 | 第31-32页 |
| 3.2.2 子路径分割和修剪 | 第32页 |
| 3.2.3 字符候选区选择 | 第32-33页 |
| 3.3 种子生长法 | 第33-36页 |
| 3.3.1 非极大值抑制 | 第33-34页 |
| 3.3.2 种子生长法组合字符 | 第34-35页 |
| 3.3.3 候选区倾斜校正 | 第35-36页 |
| 3.4 候选车牌判断 | 第36-38页 |
| 3.4.1 SVM模型训练 | 第36-38页 |
| 3.5 定位算法测试及分析 | 第38-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第4章 基于改进投影的字符分割技术研究与实现 | 第42-49页 |
| 4.1 本文的字符分割算法 | 第42-45页 |
| 4.1.1 车牌图像二值化 | 第43-44页 |
| 4.1.2 车牌上下边框和铆钉去除 | 第44-45页 |
| 4.2 基于改进的垂直投影法粗分割字符 | 第45-46页 |
| 4.3 基于先验知识精确分割字符 | 第46-47页 |
| 4.4 字符分割算法测试及分析 | 第47-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第5章 基于SaE-ELM的字符识别技术研究与实现 | 第49-64页 |
| 5.1 极限学习机(ELM) | 第49-52页 |
| 5.1.1 单隐层前馈神经网络 | 第49-51页 |
| 5.1.2 极限学习机 | 第51-52页 |
| 5.2 自适应差分进化极限学习机(SaE-ELM) | 第52-57页 |
| 5.2.1 差分进化算法 | 第53-54页 |
| 5.2.2 自适应差分进化极限学习机 | 第54-57页 |
| 5.3 分类器训练与测试 | 第57-60页 |
| 5.3.1 特征提取 | 第58-59页 |
| 5.3.2 分类器训练 | 第59页 |
| 5.3.3 分类器测试 | 第59-60页 |
| 5.4 整体测试 | 第60-63页 |
| 5.5 本章小结 | 第63-64页 |
| 第6章 总结与展望 | 第64-66页 |
| 6.1 工作总结 | 第64-65页 |
| 6.2 工作展望 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 致谢 | 第71-72页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第72页 |