智能交通系统中车牌识别的关键技术研究
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 1 绪论 | 第8-13页 |
| ·研究背景与意义 | 第8-9页 |
| ·车牌识别系统模块及原理 | 第9-11页 |
| ·国内外车牌识别技术的研究现状 | 第11-12页 |
| ·本论文的主要内容 | 第12-13页 |
| 2 基于Lab的显著性车牌定位方法 | 第13-30页 |
| ·预处理 | 第13-16页 |
| ·车牌定位方法分析 | 第16-18页 |
| ·基于颜色特征的车牌定位方法 | 第16-17页 |
| ·基于纹理特征的车牌定位方法 | 第17页 |
| ·基于神经网络车牌定位方法 | 第17-18页 |
| ·一种基于Lab的显著性车牌定位方法 | 第18-26页 |
| ·颜色空间 | 第18-19页 |
| ·显著性车牌粗定位 | 第19-26页 |
| ·去除伪车牌区域 | 第26页 |
| ·实验数据分析 | 第26-29页 |
| ·本章小结 | 第29-30页 |
| 3 车牌字符切分与HOG特征提取 | 第30-37页 |
| ·基于轮廓提取结合字符排列特性的字符切分 | 第30-34页 |
| ·字符切分方法分析 | 第30-31页 |
| ·基于轮廓提取结合字符排列特性的切分 | 第31-34页 |
| ·基于HOG的车牌字符特征提取 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 4 样本的二次筛选与快速KNN字符识别 | 第37-49页 |
| ·样本的二次筛选 | 第37-40页 |
| ·方法的提出 | 第37页 |
| ·基于动态聚类的样本选择方法 | 第37-39页 |
| ·样本的二次筛选 | 第39页 |
| ·样本筛选结果分析 | 第39-40页 |
| ·基于快速KNN算法的字符识别 | 第40-48页 |
| ·最小距离分类器和最近邻分类器 | 第40-43页 |
| ·基于快速KNN算法的字符识别 | 第43-45页 |
| ·实验结果与分析 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 5 相似字符的二次识别 | 第49-57页 |
| ·相似字符的识别方法分析 | 第49-50页 |
| ·骨架特征法 | 第49页 |
| ·灰度统计法 | 第49-50页 |
| ·边界距离法和穿线法 | 第50页 |
| ·相似字符的差异区域提取 | 第50-52页 |
| ·差异区域划分 | 第50-51页 |
| ·差异区域提取 | 第51-52页 |
| ·相似字符的二次识别 | 第52-54页 |
| ·可靠性度量 | 第52-53页 |
| ·相似字符的二次识别 | 第53-54页 |
| ·实验结果与分析 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 6 总结与展望 | 第57-59页 |
| ·本文工作总结 | 第57页 |
| ·研究课题展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
