| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 选题背景及研究意义 | 第9-10页 |
| 1.2 车牌识别研究现状 | 第10-11页 |
| 1.3 本文研究内容 | 第11-13页 |
| 1.4 本文结构 | 第13-15页 |
| 第2章 车牌定位算法研究 | 第15-45页 |
| 2.1 车辆图像增强 | 第15-21页 |
| 2.1.1 车辆图像特点分析 | 第15-17页 |
| 2.1.2 图像的增强处理 | 第17-21页 |
| 2.2 车牌区域粗定位 | 第21-29页 |
| 2.2.1 车牌粗定位算法及其局限性 | 第21-24页 |
| 2.2.2 粗定位算法的优化 | 第24-27页 |
| 2.2.3 车牌图像倾斜校正 | 第27-29页 |
| 2.3 基于DCNN的车牌筛选方法 | 第29-44页 |
| 2.3.1 DCNN | 第30-33页 |
| 2.3.2 SVM与DCNN对比分析 | 第33-34页 |
| 2.3.3 改进的车牌筛选网络LPC-Net | 第34-43页 |
| 2.3.4 使用LPC-Net进行车牌精确定位 | 第43-44页 |
| 2.4 本章小结 | 第44-45页 |
| 第3章 车牌字符分割与识别算法研究 | 第45-58页 |
| 3.1 车牌图像预处理 | 第45-49页 |
| 3.1.1 中文车牌特征 | 第45-46页 |
| 3.1.2 预处理 | 第46-49页 |
| 3.2 车牌字符分割算法研究 | 第49-52页 |
| 3.2.1 字符分割算法及其局限性 | 第49-50页 |
| 3.2.2 基于中文车牌特征的连通域分析分割算法 | 第50-52页 |
| 3.3 车牌字符识别算法研究 | 第52-57页 |
| 3.3.1 字符识别算法及其局限性 | 第52-53页 |
| 3.3.2 基于DCNN的车牌字符识别算法 | 第53-57页 |
| 3.4 本章小结 | 第57-58页 |
| 第4章 实验及结果分析 | 第58-72页 |
| 4.1 实验准备 | 第58-63页 |
| 4.1.1 实验环境 | 第58-59页 |
| 4.1.2 实验数据 | 第59-61页 |
| 4.1.3 DCNN训练加速方法研究 | 第61-63页 |
| 4.1.4 评价方法 | 第63页 |
| 4.2 MSER粗定位算法实验与结果分析 | 第63-64页 |
| 4.3 LPC-Net车牌筛选网络实验与结果分析 | 第64-67页 |
| 4.4 本文字符分割算法的实验与结果分析 | 第67页 |
| 4.5 Res-LeNet字符识别网络实验与结果分析 | 第67-70页 |
| 4.6 本文的车牌识别算法整体评价 | 第70-71页 |
| 4.7 本章小结 | 第71-72页 |
| 第5章 总结与展望 | 第72-74页 |
| 5.1 总结 | 第72页 |
| 5.2 展望 | 第72-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士学位期间发表的论文及参加的科研项目 | 第79-80页 |
| 附录 | 第80-81页 |