复杂背景下车牌识别算法的研究与实现
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 车牌识别技术的研究背景与意义 | 第11页 |
| 1.2 车牌识别技术的历史与现状 | 第11-13页 |
| 1.3 车牌识别技术的难点 | 第13-14页 |
| 1.4 本文车牌识别算法的创新点 | 第14-15页 |
| 1.5 本论文的章节安排 | 第15-17页 |
| 第二章 车牌识别算法概述 | 第17-23页 |
| 2.1 常见车牌识别算法的组成框架 | 第17-19页 |
| 2.2 中国机动牌照的特征 | 第19-20页 |
| 2.3 本文所采用的测试图像 | 第20-21页 |
| 2.4 本文车牌识别算法的主要工作 | 第21-23页 |
| 第三章 车牌定位算法 | 第23-55页 |
| 3.1 常用的几种车牌定位算法 | 第23-25页 |
| 3.2 预处理 | 第25-28页 |
| 3.2.1 灰度化 | 第25-26页 |
| 3.2.2 图像平滑滤波 | 第26-28页 |
| 3.3 基于边缘检测和颜色信息的车牌粗定位 | 第28-41页 |
| 3.3.1 HSI模型 | 第29-31页 |
| 3.3.2 边缘检测 | 第31-35页 |
| 3.3.3 边缘信息处理 | 第35-37页 |
| 3.3.4 自定义的边缘连接 | 第37-39页 |
| 3.3.5 形态学操作 | 第39-40页 |
| 3.3.6 连通域提取 | 第40-41页 |
| 3.4 车牌精确定位 | 第41-48页 |
| 3.4.1 差分图像及二值化 | 第41-42页 |
| 3.4.2 水平校正 | 第42-44页 |
| 3.4.3 去除上下边框 | 第44-45页 |
| 3.4.4 垂直校正 | 第45-46页 |
| 3.4.5 去除左右边框 | 第46-48页 |
| 3.5 基于SVM的伪车牌剔除 | 第48-54页 |
| 3.5.1 SVM基本理论 | 第48-51页 |
| 3.5.2 特征选择 | 第51-53页 |
| 3.5.3 训练及实验情况分析 | 第53-54页 |
| 3.6 本章小节 | 第54-55页 |
| 第四章 字符分割算法 | 第55-65页 |
| 4.1 常用的字符分割算法 | 第55-56页 |
| 4.2 车牌字符的特征 | 第56-57页 |
| 4.2.1 车牌字符的轮廓特征 | 第56-57页 |
| 4.2.2 车牌字符的几何特征 | 第57页 |
| 4.3 字符分割难点分析 | 第57-59页 |
| 4.4 本文使用的字符分割算法 | 第59-64页 |
| 4.4.1 基于多阈值和连通域提取的字符分割算法 | 第59-62页 |
| 4.4.2 基于字符间距和二值投影的字符分割算法 | 第62-64页 |
| 4.5 本章小节 | 第64-65页 |
| 第五章 字符识别算法 | 第65-74页 |
| 5.1 常用的字符识别算法 | 第65-66页 |
| 5.2 车牌字符的特点 | 第66-67页 |
| 5.2.1 车牌字符的分布 | 第66-67页 |
| 5.2.2 车牌字符识别的难点 | 第67页 |
| 5.3 字符数据集 | 第67-69页 |
| 5.4 本文使用的字符识别算法 | 第69-73页 |
| 5.4.1 卷积神经网络 | 第69-70页 |
| 5.4.2 汉字识别模型 | 第70-72页 |
| 5.4.3 字母数字识别模型 | 第72-73页 |
| 5.5 本章小节 | 第73-74页 |
| 第六章 算法实现和结果分析 | 第74-80页 |
| 6.1 算法实现的整体架构 | 第74-75页 |
| 6.2 算法的系统实现 | 第75-76页 |
| 6.2.1 软件开发环境 | 第75页 |
| 6.2.2 开发情况 | 第75-76页 |
| 6.3 实验结果分析 | 第76-79页 |
| 6.3.1 车牌定位结果分析 | 第76-77页 |
| 6.3.2 倾斜校正和边框去除结果分析 | 第77页 |
| 6.3.3 字符分割结果分析 | 第77-78页 |
| 6.3.4 车牌识别整体结果分析 | 第78-79页 |
| 6.4 本章小节 | 第79-80页 |
| 第七章 总结与展望 | 第80-82页 |
| 7.1 本文工作总结 | 第80-81页 |
| 7.2 下一步工作展望 | 第81-82页 |
| 致谢 | 第82-83页 |
| 参考文献 | 第83-87页 |
