基于深度学习的车牌识别算法研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 深度学习理论研究 | 第11-12页 |
| 1.2.2 车牌识别技术研究 | 第12-14页 |
| 1.2.3 车牌识别相关产品 | 第14-15页 |
| 1.3 存在的问题及分析 | 第15页 |
| 1.4 本文的研究目标和主要内容 | 第15-16页 |
| 1.5 本文组织与结构 | 第16-17页 |
| 第2章 基于深度网络的车牌相似字符识别 | 第17-30页 |
| 2.1 引言 | 第17页 |
| 2.2 相似字符图像研究 | 第17-18页 |
| 2.3 图像预处理 | 第18页 |
| 2.4 算法概述 | 第18-19页 |
| 2.5 深度卷积神经网络结构 | 第19-24页 |
| 2.5.1 卷积层 | 第20-21页 |
| 2.5.2 非线性变换 | 第21-22页 |
| 2.5.3 下采样层 | 第22-24页 |
| 2.6 训练过程及特征的可视化 | 第24-26页 |
| 2.7 实验结果与分析 | 第26-29页 |
| 2.7.1 深度学习参数选择 | 第26-27页 |
| 2.7.2 算法性能比较 | 第27-29页 |
| 2.8 本章小结 | 第29-30页 |
| 第3章 集成深度学习网络的多层次车牌识别算法 | 第30-48页 |
| 3.1 引言 | 第30页 |
| 3.2 车牌定位 | 第30-36页 |
| 3.2.1 国内车牌几何特点 | 第30-31页 |
| 3.2.2 车牌图像预处理 | 第31-33页 |
| 3.2.3 车牌定位算法 | 第33-36页 |
| 3.3 车牌字符分割 | 第36-39页 |
| 3.4 多层次车牌识别 | 第39-44页 |
| 3.4.1 字符归一化和二值化 | 第40-42页 |
| 3.4.2 支持向量机粗识别 | 第42-43页 |
| 3.4.3 卷积神经网络相似字符识别 | 第43-44页 |
| 3.5 实验结果与分析 | 第44-47页 |
| 3.5.1 车牌区域训练数据预处理 | 第44-45页 |
| 3.5.2 实验结果比较与分析 | 第45-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第4章 车牌识别系统设计与实现 | 第48-55页 |
| 4.1 系统开发环境 | 第48页 |
| 4.2 系统设计与实现 | 第48-54页 |
| 4.2.1 系统设计 | 第48-49页 |
| 4.2.2 关键数据结构 | 第49-52页 |
| 4.2.3 核心算法动态链接库设计 | 第52-53页 |
| 4.2.4 车牌识别展示原型系统 | 第53-54页 |
| 4.3 本章小结 | 第54-55页 |
| 第5章 总结与展望 | 第55-57页 |
| 5.1 总结 | 第55-56页 |
| 5.2 展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 攻读学位期间参加的科研项目和成果 | 第61页 |
