复杂场景下的车牌检测算法研究及其工程实现
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 引论 | 第7-13页 |
| ·研究背景 | 第7页 |
| ·车牌检测算法综述 | 第7-11页 |
| ·基于灰度图像的车牌检测算法 | 第8-9页 |
| ·基于彩色图像的车牌检测算法 | 第9页 |
| ·基于规则的车牌检测算法 | 第9-10页 |
| ·基于统计学习的车牌检测算法 | 第10-11页 |
| ·本文主要工作及内容安排 | 第11-13页 |
| 2 启发式车牌检测算法 | 第13-38页 |
| ·算法介绍 | 第13-28页 |
| ·灰度图像生成 | 第14页 |
| ·图像金字塔 | 第14-15页 |
| ·边缘图生成 | 第15-19页 |
| ·车牌候选区生成 | 第19-22页 |
| ·候选区过滤 | 第22-28页 |
| ·算法的快速实现 | 第28-31页 |
| ·整体结构 | 第28-29页 |
| ·连通区域检测模块 | 第29-31页 |
| ·实验结果与结果分析 | 第31-37页 |
| ·本章小结 | 第37-38页 |
| 3 基于机器学习的车牌检测算法 | 第38-56页 |
| ·机器学习简介 | 第38-39页 |
| ·车牌特征提取 | 第39-42页 |
| ·分类器训练 | 第42-47页 |
| ·弱分类器构造 | 第42-43页 |
| ·强分类器训练 | 第43-45页 |
| ·级联结构的分类器 | 第45-47页 |
| ·候选区合并与重定位 | 第47-49页 |
| ·候选区合并 | 第47页 |
| ·重定位 | 第47-49页 |
| ·实验结果与结果分析 | 第49-54页 |
| ·两种算法的对比 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 4 倾斜车牌矫正 | 第56-63页 |
| ·倾斜车牌矫正算法综述 | 第56-57页 |
| ·倾斜检测与矫正算法实现 | 第57-61页 |
| ·水平倾角检测 | 第58-59页 |
| ·垂直倾角检测 | 第59-60页 |
| ·基于切变的矫正 | 第60-61页 |
| ·实验结果 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 5 车牌检测算法在DSP平台的实现 | 第63-69页 |
| ·DSP简介 | 第63-64页 |
| ·TDS642 EVM图像处理平台 | 第64-65页 |
| ·车牌检测算法移植与优化 | 第65-67页 |
| ·CCS集成开发环境 | 第65页 |
| ·程序移植和优化 | 第65-66页 |
| ·系统实现 | 第66-67页 |
| ·实验结果 | 第67-68页 |
| ·本章小结 | 第68-69页 |
| 6 总结与展望 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-75页 |
