基于深度学习及视觉注意的车牌识别研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 引言 | 第9-15页 |
| 1.1 课题的来源，目的以及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11页 |
| 1.3 车牌系统的构成 | 第11-12页 |
| 1.4 车牌系统的研究现状 | 第12-14页 |
| 1.4.1 国内现状 | 第12-13页 |
| 1.4.2 国外现状 | 第13-14页 |
| 1.5 论文的结构安排 | 第14-15页 |
| 第二章 车牌的预处理 | 第15-27页 |
| 2.1 图像的灰度处理 | 第16-17页 |
| 2.2 图像的二值化 | 第17-20页 |
| 2.3 中值滤波 | 第20-21页 |
| 2.4 形态学处理 | 第21-23页 |
| 2.5 小波分析 | 第23-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第三章 基于视觉注意机制的车牌区域定位 | 第27-39页 |
| 3.1 常用的车牌定位方法 | 第27-29页 |
| 3.1.1 常用车牌定位方法 | 第27-29页 |
| 3.2 视觉注意机制理论 | 第29-31页 |
| 3.2.1 RGB与HSV颜色特征 | 第29页 |
| 3.2.2 视觉注意机制显著性检测原理 | 第29-31页 |
| 3.2.3 显著性检测的领域 | 第31页 |
| 3.3 基于视觉注意模型的车牌定位原理 | 第31-37页 |
| 3.3.1 实验步骤 | 第35-37页 |
| 3.4 实验结果分析 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 车牌的分割 | 第39-51页 |
| 4.1 旋转 | 第39-43页 |
| 4.1.1 Hough变换 | 第40-41页 |
| 4.1.2 图像旋转 | 第41-42页 |
| 4.1.3 仿真结果 | 第42-43页 |
| 4.2 二值化 | 第43-46页 |
| 4.2.1 大津法 | 第43-44页 |
| 4.2.2 平均阈值法 | 第44-46页 |
| 4.3 校正 | 第46页 |
| 4.3.1 水平校正 | 第46页 |
| 4.3.2 垂直校正 | 第46页 |
| 4.4 形态学处理 | 第46-47页 |
| 4.5 字符分割 | 第47-49页 |
| 4.6 图像归一化 | 第49-50页 |
| 4.7 本章小结 | 第50-51页 |
| 第五章 基于深度学习网络的车牌识别 | 第51-68页 |
| 5.1 BP神经网络模型 | 第51-54页 |
| 5.2 深度学习理论 | 第54-55页 |
| 5.3 深度学习网络识别设计器 | 第55-59页 |
| 5.3.1 特征提取 | 第55-56页 |
| 5.3.2 深度学习网络结构与分类器设计 | 第56-59页 |
| 5.4 深度学习网络对粗分类汉字识别 | 第59-67页 |
| 5.4.1 经过粗分类与未经分类的汉字识别比较 | 第59-62页 |
| 5.4.2 加噪声汉字的粗分类识别 | 第62-64页 |
| 5.4.3 对有形变的数字和字母的识别 | 第64页 |
| 5.4.4 有形变的汉字识别效果 | 第64页 |
| 5.4.5 模板匹配法实验结果总结 | 第64-66页 |
| 5.4.6 实验结果总结 | 第66-67页 |
| 5.5 本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68-69页 |
| 6.2 展望 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 致谢 | 第75页 |
