复杂背景下车牌抗噪检测识别算法研究
| 摘要 | 第6-7页 |
| abstract | 第7页 |
| 第1章 绪言 | 第11-20页 |
| 1.1 车牌识别系统在智能交通系统中的应用及前景 | 第11-12页 |
| 1.2 车牌识别技术研究的目的及意义 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-18页 |
| 1.3.1 国外研究现状 | 第13-14页 |
| 1.3.2 国内研究现状 | 第14-18页 |
| 1.4 本文的主要内容及工作 | 第18-20页 |
| 1.4.1 主要内容 | 第18页 |
| 1.4.2 技术难点 | 第18-19页 |
| 1.4.3 工作重点 | 第19-20页 |
| 第2章 车牌识别系统的基本原理 | 第20-24页 |
| 2.1 车牌识别系统的原理框架 | 第20页 |
| 2.2 车牌图像的识别流程 | 第20-21页 |
| 2.3 车牌图像的识别方案 | 第21-22页 |
| 2.4 车牌识别系统算法 | 第22-24页 |
| 第3章 车牌识别的图像处理技术 | 第24-40页 |
| 3.1 图像预处理 | 第24-31页 |
| 3.1.1 滤波增强 | 第24-26页 |
| 3.1.2 图像锐化 | 第26-27页 |
| 3.1.3 灰度修正 | 第27-29页 |
| 3.1.4 二值化技术 | 第29-30页 |
| 3.1.5 数学形态学 | 第30-31页 |
| 3.2 图像模式识别处理 | 第31-38页 |
| 3.2.1 二维数字图像 | 第32-35页 |
| 3.2.2 图像分割 | 第35-36页 |
| 3.2.3 直线检测 | 第36-37页 |
| 3.2.4 边缘检测 | 第37-38页 |
| 3.3 本章小结 | 第38-40页 |
| 第4章 车牌识别系统的算法实现 | 第40-57页 |
| 4.1 车牌初定位 | 第40-41页 |
| 4.2 图像预处理 | 第41-45页 |
| 4.2.1 灰度均衡化 | 第41-43页 |
| 4.2.2 滤波降噪 | 第43-44页 |
| 4.2.3 二值化 | 第44-45页 |
| 4.3 车牌二次定位 | 第45-49页 |
| 4.3.1 倾斜矫正 | 第45-46页 |
| 4.3.2 二次定位 | 第46-49页 |
| 4.4 字符分割 | 第49-51页 |
| 4.5 字符识别 | 第51-56页 |
| 4.5.1 字符归一化 | 第51-52页 |
| 4.5.2 字符粗分类 | 第52-55页 |
| 4.5.3 字符模板匹配 | 第55-56页 |
| 4.6 本章小结 | 第56-57页 |
| 第5章 实验结果及分析 | 第57-66页 |
| 5.1 实验结果及分析 | 第57-65页 |
| 5.1.1 图像拍摄正常状况 | 第57-59页 |
| 5.1.2 图像倾斜扭曲状况 | 第59-61页 |
| 5.1.3 图像较暗或较亮状况 | 第61-63页 |
| 5.1.4 图像模糊不清状况 | 第63-65页 |
| 5.2 本章小结 | 第65-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第72-73页 |
| 致谢 | 第73-74页 |
