| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究目的和意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-16页 |
| 1.3 主要研究方法和复杂环境概述 | 第16-17页 |
| 1.4 相关工作 | 第17-18页 |
| 1.5 本文章节安排 | 第18-20页 |
| 第二章 基于灰度二值化车牌定位算法 | 第20-33页 |
| 2.1 车牌定位研究背景 | 第20页 |
| 2.2 灰度二值化定位算法 | 第20-32页 |
| 2.2.1 网格二值化和水平跳变计数 | 第21-23页 |
| 2.2.3 连通区域检测算法和车牌字符区域合并 | 第23-29页 |
| 2.2.4 基于神经网络模型车牌进行分类 | 第29-32页 |
| 2.3 实验结果与分析 | 第32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 基于角点回归车牌定位算法 | 第33-47页 |
| 3.1 基于传统方法车牌定位存在的问题与分析 | 第33-34页 |
| 3.2 基于角点回归的全卷积神经网络模型设计 | 第34-37页 |
| 3.2.1 基本概念 | 第34-35页 |
| 3.2.2 模型结构说明 | 第35-37页 |
| 3.3 模型训练解析 | 第37-38页 |
| 3.4 实验结果与分析 | 第38-45页 |
| 3.4.1 标注系统设计与实现 | 第38-41页 |
| 3.4.2 数据集 | 第41页 |
| 3.4.3 实验设置 | 第41-42页 |
| 3.4.4 实验 | 第42-45页 |
| 3.5 本章小结 | 第45-47页 |
| 第四章 多策略融合的车牌定位算法实现 | 第47-65页 |
| 4.1 基于角点回归全卷积神经网络的车牌定位问题解析 | 第47页 |
| 4.2 基于卷积神经网络的车辆定位方法 | 第47-61页 |
| 4.2.1 车辆定位模型设计 | 第47-52页 |
| 4.2.2 数据采集与增强 | 第52-55页 |
| 4.2.3 训练与测试 | 第55-61页 |
| 4.3 基于置信值和空间信息滤除误检车牌算法 | 第61-63页 |
| 4.3.1 基于空间关系与置信值判别车牌候选区域方法 | 第62-63页 |
| 4.4 多策略融合车牌定位算法设计与实现 | 第63-64页 |
| 4.5 本章小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-72页 |
| 攻读硕士学位期间发表的论文 | 第72-73页 |
| 攻读硕士学位期间参加的科研项目 | 第73页 |