基于1-SVM的车牌识别技术的研究与应用
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-9页 |
| 目录 | 第9-11页 |
| 第1章 绪论 | 第11-19页 |
| ·课题的研究背景 | 第11页 |
| ·国内外车牌识别技术的研究现状 | 第11-14页 |
| ·统计学习理论以及支持向量机理论概述 | 第14-16页 |
| ·1-SVM与车牌识别技术 | 第16-17页 |
| ·本文的主要研究内容 | 第17-19页 |
| 第2章 1-SVM及其层次型分类识别模型 | 第19-34页 |
| ·引言 | 第19页 |
| ·1-SVM基本理论 | 第19-24页 |
| ·SVDD算法 | 第20-22页 |
| ·1-SVM算法 | 第22-24页 |
| ·SVM训练算法 | 第24-28页 |
| ·Chunking算法 | 第24页 |
| ·固定样本工作集算法 | 第24-25页 |
| ·基于SMO训练算法的1-SVM | 第25-28页 |
| ·两个Lagrange乘子优化问题 | 第25-26页 |
| ·启发式选择算法 | 第26-27页 |
| ·更新相关参数 | 第27-28页 |
| ·结合层次型的偏二叉决策树1-SVM分类 | 第28-30页 |
| ·层次型1-SVM分类方法 | 第28页 |
| ·层次型偏二叉决策树的设计方法 | 第28-30页 |
| ·基于自适应遗传算法的核函数参数选择 | 第30-31页 |
| ·仿真实验 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第3章 多分类1-SVM模型 | 第34-46页 |
| ·引言 | 第34页 |
| ·多类支持向量机 | 第34-35页 |
| ·显式分解法 | 第34-35页 |
| ·隐式分解法 | 第35页 |
| ·基于1-SVM的多分类算法MSVDD | 第35-40页 |
| ·MSVDD形式一 | 第35-38页 |
| ·MSVDD形式二 | 第38-40页 |
| ·仿真实验 | 第40-45页 |
| ·多分类比较实验 | 第40-42页 |
| ·两种MSVDD形式的对比实验 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 第4章 基于1-SVM车牌识别技术研究与实验结果 | 第46-77页 |
| ·引言 | 第46页 |
| ·基于层次型1-SVM车牌定位 | 第46-59页 |
| ·车牌图像灰度化和前期处理 | 第47-49页 |
| ·车牌候选区域以及特征提取 | 第49-50页 |
| ·基于层次型1-SVM车牌区域定位方法 | 第50-59页 |
| ·基于遗传算法的1-SVM核函数参数优化 | 第50-55页 |
| ·层次型1-SVM车牌区域定位 | 第55-59页 |
| ·基于混合模型的字符分割 | 第59-67页 |
| ·车牌图像二值化 | 第59-62页 |
| ·Hough变换车牌倾斜校正 | 第62-64页 |
| ·车牌去边框处理 | 第64-65页 |
| ·基于混合模型的车牌字符分割方法 | 第65-67页 |
| ·区域连通法 | 第65页 |
| ·水平投影法 | 第65-66页 |
| ·先验知识法 | 第66页 |
| ·混合模型的车牌字符分割方法 | 第66-67页 |
| ·基于MSVDD的车牌字符识别 | 第67-76页 |
| ·字符归一化 | 第67-68页 |
| ·字符特征提取 | 第68页 |
| ·MSVDD字符分类识别 | 第68-76页 |
| ·样本库递增实验 | 第69-74页 |
| ·基于最大样本库的整车牌实验 | 第74-76页 |
| ·本章小结 | 第76-77页 |
| 第5章 总结与展望 | 第77-79页 |
| ·全文工作总结 | 第77-78页 |
| ·进一步的工作展望 | 第78-79页 |
| 参考文献 | 第79-84页 |
| 攻读学位期间发表的学术论文 | 第84页 |
