复杂环境中的车牌检测与识别算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题的研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 车牌检测技术研究现状 | 第12-16页 |
| 1.2.2 字符识别技术研究现状 | 第16页 |
| 1.3 本论文的主要研究内容和结构安排 | 第16-18页 |
| 1.3.1 本文的主要研究内容 | 第16-17页 |
| 1.3.2 本文的结构安排 | 第17-18页 |
| 第二章 车牌字符区域提取方法 | 第18-31页 |
| 2.1 MSER算法概述 | 第18-19页 |
| 2.2 字符区域提取方法 | 第19-28页 |
| 2.2.1 MSER提取字符区域 | 第19-21页 |
| 2.2.2 改进MSER提取字符区域 | 第21-23页 |
| 2.2.3 方法对比 | 第23-28页 |
| 2.3 参数确定和实测结果 | 第28-30页 |
| 2.3.1 相关参数的确定 | 第28-29页 |
| 2.3.2 实测结果和分析 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于最大可动结构链的车牌检测 | 第31-49页 |
| 3.1 隐马尔科夫模型 | 第31-35页 |
| 3.1.1 HMM定义 | 第31-32页 |
| 3.1.2 HMM要解决的三个问题 | 第32-35页 |
| 3.2 基于最大可动结构链定位车牌 | 第35-44页 |
| 3.2.1 节点分类 | 第35-37页 |
| 3.2.2 半标记标签传导 | 第37-40页 |
| 3.2.3 全标记标签传导 | 第40-44页 |
| 3.3 算法实测和分析 | 第44-45页 |
| 3.3.1 相关阈值确定和实测结果 | 第44页 |
| 3.3.2 结果分析 | 第44-45页 |
| 3.4 本文车牌定位实测 | 第45-47页 |
| 3.5 本章小结 | 第47-49页 |
| 第四章 车牌字符识别 | 第49-65页 |
| 4.1 现有车牌字符识别方法 | 第49-53页 |
| 4.1.1 基于结构特征的字符识别 | 第49-50页 |
| 4.1.2 基于支持向量机的字符识别 | 第50-52页 |
| 4.1.3 基于模板匹配的字符识别 | 第52-53页 |
| 4.2 基于卷积神经网络的字符识别 | 第53-60页 |
| 4.2.1 卷积神经网络概述 | 第53-56页 |
| 4.2.2 字符图像预处理 | 第56-57页 |
| 4.2.3 卷积神经网络结构和参数设计 | 第57-59页 |
| 4.2.4 样本采集及网络训练 | 第59页 |
| 4.2.5 结果分析 | 第59-60页 |
| 4.3 针对相似字符的特殊处理 | 第60-61页 |
| 4.4 仿真演示软件设计 | 第61-64页 |
| 4.5 本章小结 | 第64-65页 |
| 第五章 全文结论 | 第65-67页 |
| 5.1 本文工作总结 | 第65页 |
| 5.2 未来工作展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |
