车牌字符识别的研究与实现
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 图表清单 | 第9-11页 |
| 注释表 | 第11-12页 |
| 第一章 绪论 | 第12-20页 |
| ·课题的研究背景及意义 | 第12-13页 |
| ·国内外研究现状及存在的问题 | 第13-17页 |
| ·车牌识别技术国内外研究现状 | 第13页 |
| ·车牌字符识别技术的研究现状 | 第13-17页 |
| ·车牌识别技术存在的问题 | 第17页 |
| ·论文的主要研究内容 | 第17-18页 |
| ·论文的结构 | 第18-20页 |
| 第二章 车牌预处理和字符分割 | 第20-33页 |
| ·引言 | 第20页 |
| ·车牌预处理 | 第20-27页 |
| ·车牌灰度图像反色处理 | 第20-21页 |
| ·车牌图像二值化 | 第21-23页 |
| ·基于车牌图像重心位置的倾斜校正 | 第23-25页 |
| ·基于水平投影和形态学运算的车牌去噪 | 第25-27页 |
| ·车牌字符分割 | 第27-32页 |
| ·车牌字符分割常用方法 | 第27-28页 |
| ·基于车牌先验知识和垂直投影的字符分割 | 第28-31页 |
| ·车牌字符分割结果及其分析 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 车牌字符特征的选择与提取 | 第33-47页 |
| ·引言 | 第33页 |
| ·车牌字符预处理 | 第33-35页 |
| ·字符大小归一化 | 第33-34页 |
| ·笔画粗细归一化 | 第34-35页 |
| ·基于显著性分析的字符特征选择 | 第35-42页 |
| ·特征显著性理论 | 第35-39页 |
| ·车牌字符特征显著性分析和选择 | 第39-42页 |
| ·实验结果及分析 | 第42页 |
| ·SVD 与 LDA 相结合的字符特征提取方法 | 第42-45页 |
| ·特征归一化 | 第42-43页 |
| ·基于 SVD 与LDA 相结合的特征提取 | 第43-45页 |
| ·实验结果及分析 | 第45页 |
| ·本章小结 | 第45-47页 |
| 第四章 基于支持向量机的车牌字符识别 | 第47-58页 |
| ·引言 | 第47页 |
| ·支持向量机基本理论 | 第47-51页 |
| ·支持向量机线性分类的几何模型 | 第47-49页 |
| ·线性不可分情况的考虑 | 第49-50页 |
| ·支持向量机的多类分类问题 | 第50-51页 |
| ·支持向量机车牌字符识别模型 | 第51-55页 |
| ·支持向量机模型 | 第51-53页 |
| ·支持向量机的训练 | 第53-55页 |
| ·实验结果及分析 | 第55-56页 |
| ·本章小结 | 第56-58页 |
| 第五章 基于AdaBoost 算法的车牌字符识别 | 第58-68页 |
| ·引言 | 第58页 |
| ·分类器集成的基本方法 | 第58-60页 |
| ·Bagging 法 | 第58-59页 |
| ·AdaBoost 法 | 第59-60页 |
| ·基于改进AdaBoost 的车牌字符识别算法 | 第60-63页 |
| ·RBFSVM 参数自适应调整 | 第60-61页 |
| ·改进的AdaBoost 算法设计 | 第61-63页 |
| ·车牌字符识别系统的实现 | 第63-65页 |
| ·运行环境及开发平台 | 第64页 |
| ·车牌字符识别软件的介绍和操作 | 第64-65页 |
| ·实验结果及分析 | 第65-67页 |
| ·本章小结 | 第67-68页 |
| 第六章 总结和展望 | 第68-70页 |
| ·本文工作总结 | 第68-69页 |
| ·未来工作展望 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 致谢 | 第75-76页 |
| 在学期间的研究成果及发表的学术论文 | 第76页 |
