基于支持向量机及神经网络的车牌识别技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 车牌识别技术研究的目的与意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 车牌识别系统的构成 | 第13-14页 |
| 1.4 我国汽车牌照的特点 | 第14-15页 |
| 1.5 本文的主要工作及结构 | 第15-17页 |
| 第二章 基于车牌图像边缘特征和SVM的车牌定位 | 第17-38页 |
| 2.1 常见车牌定位方法概述 | 第17-18页 |
| 2.1.1 基于灰度图像的车牌定位方法 | 第17-18页 |
| 2.1.2 基于彩色图像的定位方法 | 第18页 |
| 2.2 基于车牌图像边缘特征和SVM的车牌定位 | 第18-34页 |
| 2.2.1 车牌图像预处理 | 第20-27页 |
| 2.2.2 定位候选车牌区域 | 第27-30页 |
| 2.2.3 基于SVM的车牌判断 | 第30-34页 |
| 2.3 实验结果分析 | 第34-37页 |
| 2.4 本章小结 | 第37-38页 |
| 第三章 基于轮廓法和车牌先验知识的字符分割 | 第38-46页 |
| 3.1 分割方法的描述 | 第38-40页 |
| 3.1.1 传统的字符分割方法 | 第38-39页 |
| 3.1.2 本文字符分割方法描述 | 第39-40页 |
| 3.2 车牌预处理 | 第40-42页 |
| 3.2.1 颜色判断 | 第40-41页 |
| 3.2.2 图像灰度化 | 第41页 |
| 3.2.3 图像二值化 | 第41页 |
| 3.2.4 去除上下边框以及柳钉 | 第41-42页 |
| 3.3 基于轮廓法和车牌先验知识的字符分割 | 第42-44页 |
| 3.3.1 提取轮廓 | 第42页 |
| 3.3.2 中文字符处理 | 第42-44页 |
| 3.3.3 车牌字符的分割 | 第44页 |
| 3.3.4 字符归一化处理 | 第44页 |
| 3.4 实验结果分析 | 第44-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 基于神经网络的字符识别 | 第46-56页 |
| 4.1 传统的字符识别算法概述 | 第46-48页 |
| 4.1.1 依据模板匹配的字符识别算法 | 第46-47页 |
| 4.1.2 依据字符特征的字符识别算法 | 第47页 |
| 4.1.3 依据分类器的字符识别算法 | 第47页 |
| 4.1.4 依据神经网络的字符识别算法 | 第47-48页 |
| 4.2 基于OpenCV神经网络的车牌字符识别 | 第48-53页 |
| 4.2.1 车牌字符特征提取 | 第48-49页 |
| 4.2.2 人工神经网络描述 | 第49-51页 |
| 4.2.3 基于MLP模型的车牌字符识别 | 第51-53页 |
| 4.3 实验结果分析 | 第53-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 工作总结 | 第56页 |
| 5.2 展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 在校期间发表的论文、科研成果等 | 第61-62页 |
| 致谢 | 第62页 |
