复杂环境下车牌自动识别系统的研究及实现
摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第11-15页 |
1.1 课题研究背景和意义 | 第11页 |
1.2 车牌自动识别系统的发展状况 | 第11-12页 |
1.3 研究内容和主要工作 | 第12页 |
1.4 论文的结构 | 第12-15页 |
第二章 相关技术介绍 | 第15-31页 |
2.1 车牌相关知识 | 第15页 |
2.2 图像处理理论介绍 | 第15-19页 |
2.2.1 数字图像基础 | 第15-16页 |
2.2.2 二值化 | 第16页 |
2.2.3 腐蚀与膨胀 | 第16-17页 |
2.2.4 边缘检测 | 第17-18页 |
2.2.5 直方图均衡 | 第18-19页 |
2.3 机器学习理论介绍 | 第19-23页 |
2.3.1 机器学习基础 | 第19-20页 |
2.3.2 决策树 | 第20-21页 |
2.3.3 集成学习 | 第21-23页 |
2.4 深度学习理论介绍 | 第23-27页 |
2.4.1 神经网络基础 | 第23-25页 |
2.4.2 卷积神经网络 | 第25-26页 |
2.4.3 循环神经网络 | 第26-27页 |
2.5 车牌自动识别技术介绍 | 第27-31页 |
2.5.1 概述 | 第27-28页 |
2.5.2 车牌定位 | 第28页 |
2.5.3 字符分割 | 第28-29页 |
2.5.4 字符识别 | 第29页 |
2.5.5 免分割车牌识别 | 第29-31页 |
第三章 车牌识别算法的研究 | 第31-57页 |
3.1 引言 | 第31-32页 |
3.2 车牌定位算法 | 第32-40页 |
3.2.1 算法框架 | 第32-33页 |
3.2.2 图像预处理 | 第33页 |
3.2.3 车牌候选集生成 | 第33-36页 |
3.2.4 非车牌图像剔除 | 第36-37页 |
3.2.5 测试与比较 | 第37-40页 |
3.3 字符分割算法 | 第40-47页 |
3.3.1 算法框架 | 第40-41页 |
3.3.2 上下边框去除与倾斜校正 | 第41-42页 |
3.3.3 左右边框去除 | 第42-43页 |
3.3.4 滑动窗口方法分割字符 | 第43-45页 |
3.3.5 测试与比较 | 第45-47页 |
3.4 字符识别算法 | 第47-50页 |
3.4.1 算法框架 | 第47-48页 |
3.4.2 字符分类模型 | 第48页 |
3.4.3 测试与比较 | 第48-50页 |
3.5 免分割车牌识别算法 | 第50-55页 |
3.5.1 算法框架 | 第51页 |
3.5.2 CNN模块 | 第51-52页 |
3.5.3 RNN模块 | 第52-53页 |
3.5.4 CTC模块 | 第53-54页 |
3.5.5 测试与比较 | 第54-55页 |
3.6 本章小结 | 第55-57页 |
第四章 车牌识别系统的实现 | 第57-75页 |
4.1 车牌识别系统的需求分析 | 第57-58页 |
4.1.1 目标用户 | 第57页 |
4.1.2 可行性分析 | 第57页 |
4.1.3 功能需求描述 | 第57-58页 |
4.1.4 数据流图 | 第58页 |
4.2 车牌识别系统的概要设计 | 第58-62页 |
4.2.1 系统总体结构 | 第58-59页 |
4.2.2 模块划分 | 第59-60页 |
4.2.3 接口描述 | 第60页 |
4.2.4 主程序流程图 | 第60-62页 |
4.2.5 主要依赖的库 | 第62页 |
4.3 车牌识别系统的详细设计 | 第62-69页 |
4.3.1 车牌定位模块 | 第62-63页 |
4.3.2 字符分割模块 | 第63-65页 |
4.3.3 字符识别模块 | 第65-68页 |
4.3.4 免分割识别模块 | 第68-69页 |
4.4 测试与比较 | 第69-74页 |
4.4.1 数据集 | 第69-71页 |
4.4.2 实验环境 | 第71页 |
4.4.3 评价指标 | 第71-72页 |
4.4.4 实验过程 | 第72页 |
4.4.5 实验结果 | 第72-73页 |
4.4.6 分析 | 第73-74页 |
4.5 本章小结 | 第74-75页 |
第五章 总结与展望 | 第75-77页 |
5.1 工作总结 | 第75页 |
5.2 工作展望 | 第75-77页 |
参考文献 | 第77-81页 |
致谢 | 第81-82页 |
作者攻读学位期间发表的学术论文目录 | 第82页 |