基于支持向量机的车牌识别技术应用研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景 | 第10页 |
| 1.2 研究现状及发展 | 第10-12页 |
| 1.3 研究目的与意义 | 第12-13页 |
| 1.4 主要研究内容与结构安排 | 第13-14页 |
| 第2章 基于支持向量机的车牌检测方法 | 第14-23页 |
| 2.1 引言 | 第14-15页 |
| 2.2 支持向量机方法 | 第15-16页 |
| 2.3 支持向量机基本思想 | 第16-17页 |
| 2.3.1 最优分类面 | 第16-17页 |
| 2.4 SVM参数优化问题 | 第17-19页 |
| 2.4.1 常见SVM的寻优方法 | 第17-18页 |
| 2.4.2 PSO寻优算法 | 第18页 |
| 2.4.3 基于PSO算法的SVM参数优化 | 第18-19页 |
| 2.5 SVM训练方法 | 第19-21页 |
| 2.6 小结 | 第21-23页 |
| 第3章 车牌识别系统总体设计和实现 | 第23-41页 |
| 3.1 引言 | 第23-24页 |
| 3.2 总体设计原理 | 第24页 |
| 3.3 车牌检测方法 | 第24-26页 |
| 3.3.1 常用的车牌检测方法 | 第25-26页 |
| 3.4 车牌检测思路 | 第26-27页 |
| 3.5 原始图像的处理 | 第27-34页 |
| 3.5.1 图像的灰度化 | 第28-29页 |
| 3.5.2 图像去噪 | 第29-30页 |
| 3.5.3 图像的边缘检测 | 第30-31页 |
| 3.5.4 图像二值化 | 第31-32页 |
| 3.5.5 图像闭运算 | 第32-33页 |
| 3.5.6 计算图像轮廓 | 第33页 |
| 3.5.7 轮廓的筛选 | 第33-34页 |
| 3.5.8 角度判断与旋转 | 第34页 |
| 3.6 SVM车牌检测模型 | 第34-35页 |
| 3.7 性能测试 | 第35-39页 |
| 3.7.1 样本测试 | 第35-36页 |
| 3.7.2 相同背景样本测试 | 第36页 |
| 3.7.3 不同背景样本测试 | 第36-39页 |
| 3.8 小结 | 第39-41页 |
| 第4章 基于卷积受限玻尔兹曼机的车牌识别方法 | 第41-51页 |
| 4.1 引言 | 第41-42页 |
| 4.2 受限波尔兹曼机 | 第42-44页 |
| 4.3 卷积受限波尔兹曼机 | 第44-46页 |
| 4.4 建立模板库 | 第46页 |
| 4.5 车牌字符识别的实现 | 第46-47页 |
| 4.6 车牌识别测试 | 第47-49页 |
| 4.7 所提方法及系统优势 | 第49-50页 |
| 4.8 小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 附录1 系统操作流程示意图 | 第56-60页 |
| 致谢 | 第60页 |
