基于改进Retinex算法的雾天车牌识别系统的研究
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究的目的与意义 | 第11-12页 |
| 1.2 研究的背景与现状 | 第12-14页 |
| 1.3 研究的主要内容 | 第14-15页 |
| 1.4 本章小结 | 第15-17页 |
| 第2章 图像去雾增强 | 第17-32页 |
| 2.1 Retinex理论 | 第17-18页 |
| 2.2 Retinex算法 | 第18-21页 |
| 2.2.1 单尺度Retinex算法 | 第18-19页 |
| 2.2.2 多尺度Retinex算法 | 第19-20页 |
| 2.2.3 带颜色恢复的多尺度Retinex算法 | 第20-21页 |
| 2.3 本文采用的去雾方法 | 第21-26页 |
| 2.4 图像去雾效果分析 | 第26-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 车牌定位 | 第32-46页 |
| 3.1 常见的车牌定位方法 | 第32-33页 |
| 3.2 本文的车牌定位 | 第33-40页 |
| 3.2.1 HSV颜色空间的车牌粗定位 | 第34-35页 |
| 3.2.2 彩色图像的灰度化和二值化 | 第35-36页 |
| 3.2.3 数学形态学滤波 | 第36-37页 |
| 3.2.4 基于垂直投影法的车牌细定位 | 第37-40页 |
| 3.3 倾斜车牌校正 | 第40-45页 |
| 3.3.1 常见的车牌倾斜校正方法 | 第41-42页 |
| 3.3.2 本文的车牌倾斜校正 | 第42-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第4章 字符分割 | 第46-52页 |
| 4.1 常见的字符分割方法 | 第46-48页 |
| 4.1.1 模板匹配法 | 第46-47页 |
| 4.1.2 聚类分析法 | 第47页 |
| 4.1.3 垂直投影法 | 第47-48页 |
| 4.2 本文采用的字符分割方法 | 第48-50页 |
| 4.3 本章小结 | 第50-52页 |
| 第5章 字符识别 | 第52-80页 |
| 5.1 字符归一化 | 第52-53页 |
| 5.1.1 位置归一化 | 第52-53页 |
| 5.1.2 尺寸归一化 | 第53页 |
| 5.2 特征提取 | 第53-56页 |
| 5.2.1 常见的几种特征提取方法 | 第54-55页 |
| 5.2.2 本文的特征提取 | 第55-56页 |
| 5.3 常见的字符识别方法 | 第56-65页 |
| 5.3.1 模板匹配法 | 第56-57页 |
| 5.3.2 特征匹配法 | 第57-58页 |
| 5.3.3 神经网络法 | 第58-61页 |
| 5.3.4 支持向量机 | 第61-65页 |
| 5.4 PSO-SVM算法 | 第65-76页 |
| 5.4.1 粒子群算法 | 第65-67页 |
| 5.4.2 粒子群算法对SVM的优化 | 第67-72页 |
| 5.4.3 PSO-SVM模型 | 第72-76页 |
| 5.5 字符识别结果分析 | 第76-79页 |
| 5.6 本章小结 | 第79-80页 |
| 第6章 总结与展望 | 第80-82页 |
| 参考文献 | 第82-87页 |
| 攻读硕士学位期间论文发表及科研情况 | 第87-88页 |
| 致谢 | 第88页 |
