光照鲁棒的车牌识别系统的设计与实现
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题的研究背景和意义 | 第8-9页 |
| 1.1.1 课题研究背景 | 第8-9页 |
| 1.1.2 课题研究意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 车牌识别系统总体框架介绍 | 第11-12页 |
| 1.4 论文的主要内容与结构安排 | 第12-14页 |
| 第二章 车牌图像的预处理 | 第14-24页 |
| 2.1 图像的灰度化 | 第14-16页 |
| 2.2 图像的增强 | 第16-17页 |
| 2.3 图像的二值化 | 第17-19页 |
| 2.4 图像的形态学预处理 | 第19-21页 |
| 2.5 边缘检测 | 第21-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第三章 车牌定位与字符分割 | 第24-31页 |
| 3.1 车牌定位 | 第24-26页 |
| 3.2 车牌倾斜校正 | 第26-28页 |
| 3.3 车牌字符分割 | 第28-29页 |
| 3.4 对车牌识别的影响 | 第29-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第四章 光照鲁棒的车牌字符特征提取 | 第31-43页 |
| 4.1 车牌常用字符简介及字符归一化 | 第31-33页 |
| 4.1.1 车牌常用字符简介 | 第31-32页 |
| 4.1.2 字符的归一化 | 第32-33页 |
| 4.2 车牌字符特征的选择与提取 | 第33-37页 |
| 4.2.1 特征选择的依据 | 第33-34页 |
| 4.2.2 字符特征的选择 | 第34-36页 |
| 4.2.3 字符特征的提取 | 第36-37页 |
| 4.3 基于LBP和弹性网格的特征提取方法 | 第37-42页 |
| 4.3.1 LBP特征提取 | 第37-40页 |
| 4.3.2 弹性网格特征提取 | 第40-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第五章 基于卷积神经网络的车牌字符识别 | 第43-58页 |
| 5.1 目前常用车牌字符识别算法比较 | 第43-44页 |
| 5.2 卷积神经网络简介 | 第44-45页 |
| 5.3 基于CNN的车牌字符识别 | 第45-52页 |
| 5.3.1 网络结构 | 第46-47页 |
| 5.3.2 卷积层及其梯度计算 | 第47-48页 |
| 5.3.3 子采样层及其梯度计算 | 第48-49页 |
| 5.3.4 网络的训练过程 | 第49-52页 |
| 5.4 试验结果与分析 | 第52-57页 |
| 5.5 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 研究工作总结 | 第58-59页 |
| 6.2 研究工作展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 附录 攻读硕士学位期间参加的科研项目 | 第63-64页 |
| 致谢 | 第64页 |
