基于二级特征提取的车牌字符识别研究及实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-11页 |
| 1.1.1 智能交通系统 | 第8页 |
| 1.1.2 车牌识别系统 | 第8-11页 |
| 1.3 车牌字符特征提取及识别技术的发展与现状 | 第11页 |
| 1.4 本论文主要内容与章节安排 | 第11-13页 |
| 1.5 本章小结 | 第13-14页 |
| 第二章 字符特征提取方法 | 第14-26页 |
| 2.1 字符矩阵 | 第14-15页 |
| 2.2 结构特征 | 第15-20页 |
| 2.2.1 轮廓特征 | 第15-16页 |
| 2.2.2 骨架特征 | 第16-20页 |
| 2.3 纹理特征 | 第20-22页 |
| 2.4 几何不变矩特征 | 第22-23页 |
| 2.4.1 线性矩 | 第22-23页 |
| 2.4.2 Zernike 矩 | 第23页 |
| 2.5 基于神经网络的字符特征自动提取 | 第23-24页 |
| 2.6 本章小结 | 第24-26页 |
| 第三章 基于二级特征提取的车牌字符识别算法 | 第26-41页 |
| 3.1 图像预处理 | 第27-30页 |
| 3.1.1 图像归一化 | 第27-29页 |
| 3.1.2 图像二值化 | 第29-30页 |
| 3.2 分块边缘特征提取 | 第30-32页 |
| 3.3 骨架结构特征提取 | 第32-37页 |
| 3.3.1 骨架交点 | 第33页 |
| 3.3.2 骨架端点 | 第33-34页 |
| 3.3.3 环 | 第34-35页 |
| 3.3.4 骨架结构特征矢量 | 第35-37页 |
| 3.4 SVM 识别 | 第37-38页 |
| 3.5 特征匹配 | 第38-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第四章 算法实现及结果分析 | 第41-52页 |
| 4.1 算法实现流程图 | 第41-43页 |
| 4.2 算法实现 | 第43页 |
| 4.3 实验及结果分析 | 第43-51页 |
| 4.3.1 第一级字符特征识别结果 | 第43-46页 |
| 4.3.2 第二级字符特征相似度分析 | 第46-48页 |
| 4.3.3 二级字符特征提取的车牌字符识别结果 | 第48-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 结论与展望 | 第52-54页 |
| 5.1 总结 | 第52页 |
| 5.2 展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57页 |
