| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第8-14页 |
| 1.1 课题研究背景 | 第8-9页 |
| 1.2 智能交通系统概述 | 第9页 |
| 1.3 车牌识别系统概述 | 第9-11页 |
| 1.3.1 车牌识别系统简介 | 第9-10页 |
| 1.3.2 车牌识别系统的研究背景 | 第10-11页 |
| 1.3.3 复杂环境下车牌定位系统的研究意义 | 第11页 |
| 1.4 国内外复杂光线图像处理现状 | 第11-12页 |
| 1.5 复杂环境下车牌图像处理实现难点 | 第12-13页 |
| 1.6 本文的主要研究内容 | 第13-14页 |
| 2 复杂环境分析及图像预处理 | 第14-29页 |
| 2.1 复杂情况分析 | 第14-17页 |
| 2.1.1 简单环境与复杂环境对比 | 第14-16页 |
| 2.1.2 复杂环境下的定位难点 | 第16-17页 |
| 2.2 复杂环境下车牌定位系统的工作原理 | 第17-18页 |
| 2.3 复杂环境车牌定位预处理 | 第18-28页 |
| 2.3.1 图像的灰度化处理 | 第19-20页 |
| 2.3.2 图像的对比增强处理 | 第20-23页 |
| 2.3.3 图像边缘检测 | 第23-26页 |
| 2.3.4 形态学处理及区域选择 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 3 改进的复杂环境下车牌定位技术 | 第29-38页 |
| 3.1 车牌定位技术现状 | 第29页 |
| 3.2 车牌图像粗定位 | 第29-33页 |
| 3.2.1 基于迭代融合的连通域筛选 | 第29-31页 |
| 3.2.2 基于多因素决策的伪车牌去除 | 第31-33页 |
| 3.3 车牌图像精确定位 | 第33-35页 |
| 3.4 实验结果分析 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 4 Retinex理论复杂光线下车牌图像增强 | 第38-49页 |
| 4.1 复杂光线分析 | 第38-39页 |
| 4.2 Retinex理论图像增强 | 第39-42页 |
| 4.2.1 Retinex基本理论 | 第39-40页 |
| 4.2.2 SSR算法 | 第40页 |
| 4.2.3 MSRCR算法 | 第40-42页 |
| 4.2.4 MSRCR的Gain/Offset模型 | 第42页 |
| 4.2.5 光晕效应分析 | 第42页 |
| 4.3 基于改进的Retinex理论的图像增强 | 第42-47页 |
| 4.3.1 基于顶帽变换的HSI图像全局调整 | 第43-45页 |
| 4.3.2 加入调整因子的图像细节增强 | 第45-47页 |
| 4.4 改进算法的整体处理流程 | 第47-48页 |
| 4.5 本章小结 | 第48-49页 |
| 5 实验结果及数据分析 | 第49-55页 |
| 5.1 实验对比 | 第49-54页 |
| 5.1.1 主观处理效果对比 | 第49-52页 |
| 5.1.2 客观性能指标分析 | 第52-54页 |
| 5.2 本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 攻读学位期间发表的学术论文 | 第60-61页 |
| 致谢 | 第61-62页 |