基于机器学习的车牌识别算法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 车牌识别发展现状 | 第10-11页 |
| 1.3 本文主要贡献及创新 | 第11-12页 |
| 1.4 论文结构安排 | 第12-13页 |
| 第二章 相关机器学习算法研究 | 第13-29页 |
| 2.1 支持向量机和核方法 | 第13-16页 |
| 2.1.1 支持向量机 | 第13-14页 |
| 2.1.2 基本理论 | 第14-15页 |
| 2.1.3 核函数 | 第15-16页 |
| 2.2 决策树 | 第16-19页 |
| 2.2.1 树模型 | 第17页 |
| 2.2.2 划分法则 | 第17-18页 |
| 2.2.3 决策树剪枝 | 第18-19页 |
| 2.3 神经网络 | 第19-27页 |
| 2.3.1 多层感知机 | 第19-21页 |
| 2.3.2 卷积神经网络 | 第21-27页 |
| 2.4 AdaBoost方法 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于改进的FFPC的车牌检测算法 | 第29-53页 |
| 3.1 常见的车牌检测算法 | 第29-30页 |
| 3.2 基于改进的FFPC的车牌检测算法 | 第30-43页 |
| 3.2.1 基本策略 | 第31页 |
| 3.2.2 快速特征金字塔 | 第31-39页 |
| 3.2.3 级联分类器 | 第39-41页 |
| 3.2.4 对FFPC检测算法的改进 | 第41-43页 |
| 3.3 车牌检测评价标准 | 第43-45页 |
| 3.3.1 常见目标检测评价标准 | 第43-44页 |
| 3.3.2 针对车牌检测的评价标准 | 第44-45页 |
| 3.4 车牌验证和精定位 | 第45-52页 |
| 3.4.1 车牌验证网络 | 第46-47页 |
| 3.4.2 车牌精定位 | 第47-52页 |
| 3.5 实验对比分析 | 第52页 |
| 3.6 本章小结 | 第52-53页 |
| 第四章 基于多频全局匹配的字符分割算法 | 第53-65页 |
| 4.1 常见的字符分隔算法 | 第53-54页 |
| 4.2 车牌校正算法 | 第54-60页 |
| 4.2.1 车牌水平校正 | 第54-58页 |
| 4.2.2 车牌错切校正 | 第58-60页 |
| 4.3 多频全局匹配分割算法 | 第60-63页 |
| 4.4 实验对比分析 | 第63-64页 |
| 4.5 本章小结 | 第64-65页 |
| 第五章 字符识别算法研究 | 第65-74页 |
| 5.1 常见车牌字符识别算法 | 第65-66页 |
| 5.2 字符识别数据集 | 第66-70页 |
| 5.2.1 合成数据集意义 | 第67页 |
| 5.2.2 伪车牌合成 | 第67-68页 |
| 5.2.3 基于生成对抗网络的样本挑选 | 第68-70页 |
| 5.3 基于SVM的字符识别算法 | 第70-72页 |
| 5.3.1 多分类支持向量机 | 第71页 |
| 5.3.2 改进的二分类模型 | 第71-72页 |
| 5.4 实验对比分析 | 第72-73页 |
| 5.5 本章小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-76页 |
| 6.1 总结 | 第74页 |
| 6.2 展望 | 第74-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-79页 |
