| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| §1-1 课题的研究背景及意义 | 第8-9页 |
| §1-2 课题的研究现状 | 第9-10页 |
| 1-2-1 基于灰度图像的车牌定位 | 第9-10页 |
| 1-2-2 基于彩色图像的车牌定位方法 | 第10页 |
| 1-2-3 基于分类器的方法 | 第10页 |
| 1-2-4 综述小结 | 第10页 |
| §1-3 中国车牌的特点 | 第10-11页 |
| §1-4 影响车牌定位精度的主要问题 | 第11-12页 |
| §1-5 论文主要研究内容 | 第12页 |
| §1-6 论文的内容安排 | 第12-13页 |
| 第二章 基于 Haar-like和 LBP 特征的组合分类器设计 | 第13-38页 |
| §2-1 基于多尺度滑动窗口的目标定位算法 | 第13页 |
| §2-2 图像预处理 | 第13-14页 |
| 2-2-1 直方图均衡化 | 第13-14页 |
| 2-2-2 平滑滤波 | 第14页 |
| 2-2-3 速度优化 | 第14页 |
| §2-3 基于级联AdaBoost 的目标定位方法 | 第14-19页 |
| 2-3-1 Boost 算法 | 第14-15页 |
| 2-3-2 AdaBoost 算法 | 第15页 |
| 2-3-3 基于海量特征池的目标定位方法 | 第15-16页 |
| 2-3-4 基于AdaBoost 算法的目标定位方法 | 第16-17页 |
| 2-3-5 基于级联结构的分类器速度优化 | 第17-19页 |
| §2-4 组合分类器设计 | 第19-22页 |
| §2-5 图像特征 | 第22-24页 |
| 2-5-1 积分图 | 第22-23页 |
| 2-5-2 Haar-like 特征 | 第23-24页 |
| 2-5-3 MB-LBP 特征 | 第24页 |
| §2-6 随机抽取算法 | 第24-25页 |
| 2-6-1 均匀随机数的产生 | 第24-25页 |
| 2-6-2 随机抽取算法的基本步骤 | 第25页 |
| §2-7 并行计算简介 | 第25-27页 |
| 2-7-1 数据并行性 | 第26页 |
| 2-7-2 任务并行性 | 第26-27页 |
| §2-8 系统实现与分析 | 第27-37页 |
| 2-8-1 系统实现 | 第27-31页 |
| 2-8-2 基于组合分类器的车牌定位算法 | 第31-32页 |
| 2-8-3 对比试验 | 第32-35页 |
| 2-8-4 组合分类器试验结果分析 | 第35-37页 |
| §2-9 本章总结 | 第37-38页 |
| 第三章 基于边缘特征的二级分类器设计 | 第38-46页 |
| §3-1 梯度直方图特征 | 第38-39页 |
| §3-2 SURF 特征 | 第39页 |
| §3-3 基于边缘算子的特征提取 | 第39-40页 |
| 3-3-1 Canny 算子简介 | 第39页 |
| 3-3-2 Sobel 算子简介 | 第39-40页 |
| 3-3-3 基于亚采样的特征提取算法 | 第40页 |
| §3-4 RealAdaBoost 算法简介 | 第40-41页 |
| §3-5 算法实现与分析 | 第41-45页 |
| 3-5-1 基于HOG 的二级分类器设计 | 第41页 |
| 3-5-2 对比试验 | 第41-43页 |
| 3-5-3 试验结果及分析 | 第43-45页 |
| §3-6 本章总结 | 第45-46页 |
| 第四章 总结与展望 | 第46-48页 |
| §4-1 总结 | 第46页 |
| §4-2 展望 | 第46-48页 |
| 参考文献 | 第48-50页 |
| 致谢 | 第50-51页 |
| 攻读学位期间所取得的相关科研成果 | 第51页 |
