自然场景下的车牌检测与识别算法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 目录 | 第8-10页 |
| 1 引言 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究概况 | 第11-14页 |
| 1.2.1 车牌检测算法的研究现状 | 第11-13页 |
| 1.2.2 车牌字符分割算法的研究现状 | 第13页 |
| 1.2.3 字符识别算法的研究现状 | 第13-14页 |
| 1.3 本文研究的重点及难点 | 第14页 |
| 1.4 论文的组织结构 | 第14-15页 |
| 2 车牌检测算法 | 第15-41页 |
| 2.1 我国车牌的特征 | 第15-16页 |
| 2.2 车牌检测算法原理 | 第16-17页 |
| 2.3 车牌检测预处理 | 第17-25页 |
| 2.3.1 彩色图像增强 | 第17-20页 |
| 2.3.2 彩色图像灰度化 | 第20-21页 |
| 2.3.3 边缘检测 | 第21-25页 |
| 2.4 车牌粗定位 | 第25-30页 |
| 2.4.1 边缘颜色对检测 | 第25-27页 |
| 2.4.2 形态学处理 | 第27-29页 |
| 2.4.3 连通区域分析 | 第29-30页 |
| 2.5 精确定位 | 第30-37页 |
| 2.5.1 倾斜校正 | 第30-32页 |
| 2.5.2 精确定位 | 第32-37页 |
| 2.6 实验结果及分析 | 第37-40页 |
| 2.6.1 车牌检测 | 第38页 |
| 2.6.2 倾斜校正 | 第38-40页 |
| 2.7 本章小结 | 第40-41页 |
| 3 车牌字符分割算法的研究与实现 | 第41-49页 |
| 3.1 车牌图像二值化 | 第41-43页 |
| 3.1.1 全局阈值法 | 第41-42页 |
| 3.1.2 局部阈值法 | 第42页 |
| 3.1.3 颜色分割法 | 第42-43页 |
| 3.2 基于连通域分析的车牌字符分割 | 第43-47页 |
| 3.2.1 连通域的基本概念 | 第43-46页 |
| 3.2.2 车牌字符分割 | 第46-47页 |
| 3.3 实验结果及分析 | 第47-48页 |
| 3.4 本章小结 | 第48-49页 |
| 4 字符识别算法的研究 | 第49-61页 |
| 4.1 车牌识别方法概述 | 第49-50页 |
| 4.1.1 基于模板匹配的字符识别方法 | 第49-50页 |
| 4.1.2 基于神经网络的字符识别方法 | 第50页 |
| 4.2 本文的字符识别算法 | 第50-58页 |
| 4.2.1 预处理 | 第51-53页 |
| 4.2.2 特征提取 | 第53-56页 |
| 4.2.3 基于支持向量机(SVM)的字符识别 | 第56-57页 |
| 4.2.4 基于改进模板匹配法的相似字符二次分类 | 第57-58页 |
| 4.3 实验结果和分析 | 第58-60页 |
| 4.4 本章小结 | 第60-61页 |
| 5 总结 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 作者简历 | 第65-67页 |
| 学位论文数据集 | 第67页 |
