基于车牌识别及车辆特征点匹配的套牌车识别
| 中文摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-16页 |
| ·课题研究的背景和意义 | 第10-11页 |
| ·相关研究现状 | 第11-13页 |
| ·智能交通系统现状 | 第11-12页 |
| ·国内外关于套牌车的研究现状 | 第12-13页 |
| ·本文的研究内容及组织结构 | 第13-16页 |
| ·本文的研究内容 | 第13-14页 |
| ·本文的组织结构 | 第14-16页 |
| 第二章 图像的预处理 | 第16-22页 |
| ·彩色图像灰度化 | 第16-17页 |
| ·直方图的均衡化 | 第17-18页 |
| ·图像去噪处理 | 第18-19页 |
| ·二值化处理 | 第19-20页 |
| ·本章小结 | 第20-22页 |
| 第三章 目标车辆识别 | 第22-30页 |
| ·目标车辆识别方法概述 | 第22-23页 |
| ·光流场分析法 | 第22-23页 |
| ·图像差分法 | 第23页 |
| ·基于图像差分法的目标车辆检测 | 第23-27页 |
| ·相邻帧差分法 | 第23-24页 |
| ·背景差分法 | 第24-25页 |
| ·背景图像模型的建立与更新 | 第25-27页 |
| ·阈值分割 | 第27-28页 |
| ·目标外接矩形提取 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 目标车辆牌照的定位 | 第30-38页 |
| ·车牌定位技术 | 第30-33页 |
| ·边缘检测 | 第31-32页 |
| ·常见的边缘检测算子 | 第32-33页 |
| ·基于 Sobel 算子的车辆牌照检测算法 | 第33-34页 |
| ·二值化处理 | 第34-35页 |
| ·车牌边界确定 | 第35-37页 |
| ·基于车牌字符特征投影的车牌区域筛选验证 | 第37页 |
| ·本章小结 | 第37-38页 |
| 第五章 车牌字符的分割与识别 | 第38-53页 |
| ·车牌的特征信息 | 第38页 |
| ·倾斜校正 | 第38-40页 |
| ·分割车牌字符 | 第40-44页 |
| ·分割字符的目的和流程 | 第40-41页 |
| ·去边框处理 | 第41-42页 |
| ·字符分割 | 第42-43页 |
| ·字符的归一化处理 | 第43-44页 |
| ·车牌的字符识别 | 第44-52页 |
| ·BP 神经网络的基本结构 | 第44-45页 |
| ·标准 BP 学习算法 | 第45-48页 |
| ·BP 网络算法 | 第48-49页 |
| ·BP 网络训练初始化 | 第49-50页 |
| ·BP 算法的缺陷及改进 | 第50-51页 |
| ·本文采用的 BP 神经网络结构和设计 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第六章 基于 SIFT 特征的车辆图像匹配 | 第53-60页 |
| ·经典特征点检测算法分析 | 第53-54页 |
| ·基于 SIFT 描述子的车辆特征提取 | 第54-57页 |
| ·建立尺度空间 | 第54页 |
| ·检测极值点坐标 | 第54-55页 |
| ·极值点的精确定位 | 第55-56页 |
| ·关键点方向的确定 | 第56页 |
| ·关键点描述子生成 | 第56-57页 |
| ·SIFT 特征点匹配 | 第57-58页 |
| ·Kd-Tree 算法 | 第57-58页 |
| ·BBF 搜索算法 | 第58页 |
| ·实验分析与结果 | 第58-60页 |
| 总结与展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
