复杂背景下车牌识别算法研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题研究背景 | 第8-10页 |
| 1.1.1 车牌识别技术研究意义 | 第8页 |
| 1.1.2 车牌识别技术简述 | 第8-9页 |
| 1.1.3 复杂背景下算法研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 车牌识别技术研究现状 | 第10页 |
| 1.2.2 复杂背景下算法研究现状 | 第10-11页 |
| 1.3 复杂背景下车牌识别算法难点 | 第11-12页 |
| 1.4 本文主要研究内容 | 第12-14页 |
| 第2章 复杂背景下的车牌定位算法研究 | 第14-56页 |
| 2.1 基础知识 | 第14-26页 |
| 2.1.1 车牌区域的主要特征 | 第14-15页 |
| 2.1.2 常用的车牌定位算法 | 第15-16页 |
| 2.1.3 常用的车牌校正算法 | 第16-17页 |
| 2.1.4 基础算法知识 | 第17-26页 |
| 2.2 复杂背景下车牌定位算法分析 | 第26-28页 |
| 2.2.1 复杂背景下的车牌定位难点 | 第26-27页 |
| 2.2.2 问题解决办法 | 第27页 |
| 2.2.3 本文算法流程 | 第27-28页 |
| 2.3 本文改进算法模型 | 第28-35页 |
| 2.4 基于边缘检测的车牌粗定位 | 第35-43页 |
| 2.4.1 第一次Sobel粗略搜索 | 第35-39页 |
| 2.4.2 修补断裂部分 | 第39-41页 |
| 2.4.3 第二次Sobel精细搜索 | 第41-42页 |
| 2.4.4 抗扭斜处理 | 第42-43页 |
| 2.5 基于颜色特征的车牌粗定位 | 第43-45页 |
| 2.5.1 查找颜色匹配车牌 | 第43-45页 |
| 2.5.2 抗扭斜处理 | 第45页 |
| 2.6 基于SVM的车牌精确定位 | 第45-48页 |
| 2.6.1 特征值选取 | 第46-47页 |
| 2.6.2 样本选取 | 第47-48页 |
| 2.6.3 实验结果及分析 | 第48页 |
| 2.7 实验测试与分析 | 第48-54页 |
| 2.8 本章小结 | 第54-56页 |
| 第3章 车牌字符分割算法研究 | 第56-64页 |
| 3.1 基础知识 | 第56-58页 |
| 3.1.1 车牌字符的特征 | 第56-57页 |
| 3.1.2 常用的字符分割算法 | 第57-58页 |
| 3.2 本文字符分割算法简述 | 第58页 |
| 3.3 本文改进算法模型 | 第58-60页 |
| 3.4 基于轮廓查找的字符分割算法 | 第60-61页 |
| 3.5 实验测试与分析 | 第61-63页 |
| 3.6 本章小结 | 第63-64页 |
| 第4章 复杂背景下车牌字符识别算法研究 | 第64-82页 |
| 4.1 基础知识 | 第64-66页 |
| 4.2 复杂背景下字符识别算法分析 | 第66-68页 |
| 4.2.1 复杂背景下的字符识别算法难点 | 第66页 |
| 4.2.2 问题解决办法 | 第66页 |
| 4.2.3 本文算法流程 | 第66-68页 |
| 4.3 特征提取算法模型 | 第68-76页 |
| 4.3.1 字母数字特征提取 | 第68-72页 |
| 4.3.2 汉字特征提取 | 第72-76页 |
| 4.4 SVM设计 | 第76-78页 |
| 4.4.1 分类器组合 | 第76-77页 |
| 4.4.2 选择多分类方法 | 第77页 |
| 4.4.3 确定RBF最优参数 | 第77-78页 |
| 4.5 实验测试与分析 | 第78-80页 |
| 4.6 车牌识别算法集成测试 | 第80-81页 |
| 4.7 本章小结 | 第81-82页 |
| 第5章 总结与展望 | 第82-84页 |
| 致谢 | 第84-85页 |
| 参考文献 | 第85-87页 |
