道路车辆车标信息检测研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 课题研究背景与意义 | 第8页 |
| 1.2 车牌定位技术研究现状 | 第8-10页 |
| 1.2.1 车牌定位技术发展现状 | 第8-9页 |
| 1.2.2 车牌定位技术的难点 | 第9-10页 |
| 1.3 车标识别技术研究现状 | 第10-11页 |
| 1.3.1 车标定位的发展现状 | 第10页 |
| 1.3.2 车标识别的发展现状 | 第10页 |
| 1.3.3 车标识别技术的难点 | 第10-11页 |
| 1.4 本文主要研究内容 | 第11-12页 |
| 2 车辆图像处理和识别基础知识 | 第12-19页 |
| 2.1 图像灰度化 | 第12页 |
| 2.2 边缘检测 | 第12-14页 |
| 2.2.1 Roberts边缘检测算子 | 第12-13页 |
| 2.2.2 Sobel边缘检测算子 | 第13页 |
| 2.2.3 Prewitt边缘检测算子 | 第13-14页 |
| 2.2.4 Laplace边缘检测算子 | 第14页 |
| 2.3 图像平滑 | 第14页 |
| 2.4 Otsu阈值分割 | 第14-15页 |
| 2.5 数学形态学 | 第15-16页 |
| 2.5.1 膨胀与腐蚀 | 第16页 |
| 2.5.2 闭运算与开运算 | 第16页 |
| 2.6 几种常见的分类器 | 第16-18页 |
| 2.6.1 贝叶斯分类器 | 第16-17页 |
| 2.6.2 神经网络分类器 | 第17页 |
| 2.6.3 支持向量机分类器 | 第17-18页 |
| 2.7 本章小结 | 第18-19页 |
| 3 基于综合特征的车牌定位方法 | 第19-26页 |
| 3.1 车辆图像的预处理 | 第19-21页 |
| 3.1.1 灰度化 | 第19页 |
| 3.1.2 Sobel边缘检测 | 第19-20页 |
| 3.1.3 Shen滤波进行图像平滑 | 第20-21页 |
| 3.1.4 图像分割 | 第21页 |
| 3.2 车牌候选区域 | 第21-22页 |
| 3.2.1 去掉竖直及水平方向不满足条件的直线 | 第21-22页 |
| 3.2.2 去掉长宽比不满足条件的候选区域 | 第22页 |
| 3.3 根据车牌的纹理特征筛选出正确车牌 | 第22-24页 |
| 3.3.1 原车辆图像候选车牌区域的提取 | 第23页 |
| 3.3.2 车牌区域的精定位 | 第23-24页 |
| 3.4 实验结果及分析 | 第24-25页 |
| 3.5 本章小结 | 第25-26页 |
| 4 基于先验知识与综合特征的车标定位方法 | 第26-34页 |
| 4.1 车标粗定位 | 第26-27页 |
| 4.2 车标粗定位区域预处理 | 第27-29页 |
| 4.2.1 灰度化及Sobel边缘检测 | 第27页 |
| 4.2.2 图像分割及开运算 | 第27-28页 |
| 4.2.3 消除小面积区域的干扰 | 第28-29页 |
| 4.3 车标精定位 | 第29-32页 |
| 4.3.1 根据投影图及中轴线消除左右噪声 | 第29-31页 |
| 4.3.2 根据中轴线及对称性消除多余噪声 | 第31-32页 |
| 4.4 实验结果与分析 | 第32-33页 |
| 4.5 本章小结 | 第33-34页 |
| 5 基于支持向量机的车标识别方法 | 第34-37页 |
| 5.1 待识别车标的预处理 | 第34页 |
| 5.2 车标库的建立 | 第34-35页 |
| 5.3 基于支持向量机的车标识别 | 第35页 |
| 5.4 实验结果与分析 | 第35-36页 |
| 5.5 本章小结 | 第36-37页 |
| 6 总结与展望 | 第37-39页 |
| 6.1 总结 | 第37-38页 |
| 6.2 展望 | 第38-39页 |
| 参考文献 | 第39-42页 |
| 致谢 | 第42-43页 |
| 个人简历 | 第43页 |
