| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 模糊车牌识别的问题 | 第12-15页 |
| 1.3 车牌识别流程概述 | 第15-17页 |
| 1.4 本文主要工作 | 第17页 |
| 1.5 本文结构安排 | 第17-19页 |
| 第二章 模糊车牌识别的相关工作 | 第19-25页 |
| 2.1 模糊字符分割与识别的研究状况 | 第19页 |
| 2.2 字符二值化方法 | 第19-20页 |
| 2.3 字符分割方法 | 第20-21页 |
| 2.4 字符识别方法 | 第21-23页 |
| 2.5 本章小结 | 第23-25页 |
| 第三章 车牌定位方法 | 第25-33页 |
| 3.1 车牌定位研究 | 第25-29页 |
| 3.1.1 颜色空间搜索 | 第26-27页 |
| 3.1.2 Sobel算子搜索 | 第27-28页 |
| 3.1.3 MSER 搜索 | 第28-29页 |
| 3.2 车牌判断模块 | 第29-31页 |
| 3.3 深度学习网络Caffe | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 模糊车牌字符分割 | 第33-47页 |
| 4.1 车牌实验数据 | 第33页 |
| 4.2 车牌字符分割 | 第33-46页 |
| 4.2.1 基于RGB颜色空间模型的车牌背景分割 | 第35-36页 |
| 4.2.2 阈值化 | 第36-40页 |
| 4.2.3 提取车牌目标轮廓 | 第40-42页 |
| 4.2.4 部分粘连字符轮廓分割 | 第42-45页 |
| 4.2.5 整体粘连字符轮廓分割 | 第45-46页 |
| 4.3 本章小结 | 第46-47页 |
| 第五章 模糊车牌字符的特征提取与识别 | 第47-79页 |
| 5.1 分类器的选择 | 第47-58页 |
| 5.1.1 人工神经网络(ANN) | 第47-49页 |
| 5.1.2 线性支持向量机 | 第49-51页 |
| 5.1.3 非线性支持向量机 | 第51-55页 |
| 5.1.4 顺序最小最优化算法求解支持向量机问题 | 第55-58页 |
| 5.2 特征的提取方法 | 第58-61页 |
| 5.2.1 直方图投影 | 第58-59页 |
| 5.2.2 方向梯度直方图 | 第59-61页 |
| 5.3 模式匹配方法实验结果 | 第61-66页 |
| 5.3.1 人工神经网络+直方图投影特征实验结果分析 | 第61-65页 |
| 5.3.2 SVM+HOG特征实验结果分析 | 第65-66页 |
| 5.4 特殊字符的识别 | 第66-70页 |
| 5.4.1 相似数字与英文字符识别方法 | 第66-68页 |
| 5.4.2 模糊中文字符识别方法 | 第68-70页 |
| 5.5 实验结果统计 | 第70-77页 |
| 5.5.1 车牌识别系统界面 | 第71-73页 |
| 5.5.2 模糊车牌识别结果 | 第73-77页 |
| 5.6 本章小结 | 第77-79页 |
| 第六章 工作总结和展望 | 第79-81页 |
| 6.1 工作总结 | 第79-80页 |
| 6.2 展望 | 第80-81页 |
| 参考文献 | 第81-85页 |
| 硕士在读期间科研成果 | 第85-87页 |
| 致谢 | 第87-88页 |