车牌字符识别关键技术研究
| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 第1章 绪论 | 第10-15页 |
| ·问题的提出 | 第10-11页 |
| ·字符识别技术概况 | 第11-13页 |
| ·国内外研究现状 | 第11-12页 |
| ·字符识别的技术难点 | 第12-13页 |
| ·论文的主要研究内容与章节安排 | 第13-15页 |
| 第2章 车牌字符图片预处理 | 第15-27页 |
| ·引言 | 第15-16页 |
| ·字符图像增强 | 第16-19页 |
| ·直方图均衡化 | 第17-18页 |
| ·中值滤波 | 第18-19页 |
| ·字符图像二值化 | 第19-23页 |
| ·Otsu算法 | 第19-20页 |
| ·Bernsen算法 | 第20-21页 |
| ·改进的二值化算法 | 第21-22页 |
| ·空白边的去除 | 第22-23页 |
| ·二值化实验结果对比与分析 | 第23页 |
| ·字符图像归一化 | 第23-26页 |
| ·邻近插值法 | 第24页 |
| ·双线性插值法 | 第24-25页 |
| ·双三次插值法 | 第25-26页 |
| ·实验结果对比与分析 | 第26页 |
| 本章小结 | 第26-27页 |
| 第3章 车牌字符的特征提取 | 第27-44页 |
| ·轮廓特征 | 第27-30页 |
| ·算法描述 | 第27-29页 |
| ·实验结果及分析 | 第29-30页 |
| ·内点特征 | 第30-31页 |
| ·寻找内点 | 第30-31页 |
| ·实验结果及分析 | 第31页 |
| ·骨架特征 | 第31-35页 |
| ·形态学细化算法 | 第31-34页 |
| ·实验结果及分析 | 第34-35页 |
| ·纹理特征 | 第35-41页 |
| ·2D Gabor滤波器 | 第36-37页 |
| ·Gabor滤波器的实部 | 第37-40页 |
| ·Gabor实部特征提取 | 第40-41页 |
| ·实验结果及分析 | 第41页 |
| ·相似字符特征提取 | 第41-42页 |
| ·三种特征提取法实验效果对比 | 第42页 |
| 本章小结 | 第42-44页 |
| 第4章 车牌字符识别 | 第44-62页 |
| ·引言 | 第44页 |
| ·模板匹配 | 第44-50页 |
| ·相关匹配算法 | 第44-45页 |
| ·距离度量 | 第45-46页 |
| ·创建匹配模板 | 第46-47页 |
| ·模板匹配识别字符 | 第47-50页 |
| ·BP神经网络理论 | 第50-53页 |
| ·经验风险最小化 | 第50-51页 |
| ·BP神经网络 | 第51-53页 |
| ·支持向量机理论 | 第53-59页 |
| ·结构风险最小化 | 第53-54页 |
| ·支持向量机 | 第54-57页 |
| ·分类结果与分析 | 第57-59页 |
| ·特殊字符的识别 | 第59页 |
| ·分类器组合 | 第59-60页 |
| 本章小结 | 第60-62页 |
| 第5章 系统设计与实现 | 第62-66页 |
| ·系统实现流程图 | 第62-63页 |
| ·系统界面与结构 | 第63-64页 |
| ·系统识别率 | 第64-66页 |
| 总结与展望 | 第66-67页 |
| 总结 | 第66页 |
| 展望 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 攻读硕士学位期间发表的论文 | 第71-72页 |
