基于SIFT算法的车牌识别系统研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·课题研究的目的和意义 | 第7-8页 |
| ·国内外研究现状 | 第8-9页 |
| ·本文的主要研究内容 | 第9-11页 |
| 第二章 基于 SIFT 算法的图像特征提取 | 第11-25页 |
| ·常用的图像特征 | 第11页 |
| ·尺度空间理论 | 第11-16页 |
| ·尺度空间 | 第11-13页 |
| ·图像金字塔 | 第13-15页 |
| ·DOG 金字塔 | 第15-16页 |
| ·SIFT 特征向量提取算法 | 第16-22页 |
| ·尺度空间极值检测 | 第17-19页 |
| ·精确定位特征点位置 | 第19-21页 |
| ·确定特征点主方向 | 第21页 |
| ·生成 SIFT 特征向量 | 第21-22页 |
| ·SIFT 特征向量匹配算法 | 第22-24页 |
| ·BBF 搜索算法 | 第22-23页 |
| ·最近邻次近邻距离比 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 车牌图像预处理 | 第25-35页 |
| ·常用的车牌图像预处理方法 | 第25-31页 |
| ·图像的灰度变换 | 第26页 |
| ·图像滤波技术 | 第26-29页 |
| ·图像的锐化 | 第29-30页 |
| ·归一化 | 第30-31页 |
| ·基于 SIFT 算法的车牌图像预处理方法 | 第31-33页 |
| ·本章小结 | 第33-35页 |
| 第四章 车牌定位 | 第35-47页 |
| ·传统车牌定位方法 | 第35-36页 |
| ·基于 SIFT 算法的车牌定位方法 | 第36-46页 |
| ·用 SIFT 算法提取特征向量 | 第37-38页 |
| ·特征向量匹配与裁剪车牌 | 第38-40页 |
| ·车牌定位实验结果 | 第40-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 车牌字符识别 | 第47-59页 |
| ·传统的车牌字符识别方法 | 第47-52页 |
| ·车牌倾斜矫正 | 第47-48页 |
| ·车牌字符分割 | 第48-50页 |
| ·基于 BP 神经网络的车牌字符识别方法 | 第50-51页 |
| ·基于模版的车牌识别方法 | 第51-52页 |
| ·基于 SIFT 算法的车牌字符识别 | 第52-58页 |
| ·车牌先验知识 | 第53-54页 |
| ·用 SIFT 算法提取标准模板字符的特征向量 | 第54-56页 |
| ·基于 SIFT 算法的车牌识别实验结果 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| ·论文总结 | 第59-60页 |
| ·论文展望 | 第60-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 研究成果 | 第67-68页 |
