车牌图像的可视性增强与倾斜校正研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| Abstract | 第9页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 课题研究背景及意义 | 第14-16页 |
| 1.2 国内外研究现状及发展 | 第16-20页 |
| 1.2.1 图像增强的研究现状 | 第16-19页 |
| 1.2.2 鲁棒主成分分析研究现状及发展 | 第19-20页 |
| 1.3 本文研究的主要内容 | 第20页 |
| 1.4 本文结构 | 第20-22页 |
| 第二章 图像去噪校正理论基础 | 第22-31页 |
| 2.1 图像去噪校正问题描述 | 第22页 |
| 2.2 矩阵低秩模型 | 第22-25页 |
| 2.2.1 基本概念 | 第23-24页 |
| 2.2.2 主要数学模型 | 第24-25页 |
| 2.3 低秩模型求解方法概述 | 第25-30页 |
| 2.3.1 加速近邻梯度法及其推广 | 第25-27页 |
| 2.3.2 交替方向法及其线性化 | 第27-29页 |
| 2.3.3 奇异值分解的求解 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于加权核范数最小化的车牌图像去噪 | 第31-45页 |
| 3.1 引言 | 第31页 |
| 3.2 图像去噪的常用方法及评价指标 | 第31-35页 |
| 3.2.1 非局部均值滤波器 | 第31-33页 |
| 3.2.2 三维块匹配 | 第33页 |
| 3.2.3 非局部中心点稀疏表示模型 | 第33-34页 |
| 3.2.4 质量评价指标 | 第34-35页 |
| 3.3 加权核范数最小化 | 第35-39页 |
| 3.3.1 基本模型 | 第35-36页 |
| 3.3.2 最优化求解 | 第36-39页 |
| 3.4 车牌图像去噪算法 | 第39-41页 |
| 3.4.1 噪声类型 | 第39-40页 |
| 3.4.2 加权核范数最小的车牌图像去噪 | 第40-41页 |
| 3.5 实验结果与分析 | 第41-44页 |
| 3.5.1 算法参数设置 | 第41页 |
| 3.5.2 实验结果 | 第41-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第四章 基于低秩纹理变换不变性的车牌校正 | 第45-60页 |
| 4.1 引言 | 第45-46页 |
| 4.2 车牌图像校正常用方法及分析 | 第46-48页 |
| 4.2.1 Hough变换法 | 第46页 |
| 4.2.2 旋转投影法 | 第46-48页 |
| 4.2.3 主成分分析法 | 第48页 |
| 4.2.4 算法复杂度分析 | 第48页 |
| 4.3 低秩纹理变换不变性 | 第48-51页 |
| 4.3.1 低秩纹理定义 | 第49-51页 |
| 4.3.2 低秩纹理的变换与分解 | 第51页 |
| 4.4 车牌图像校正算法 | 第51-56页 |
| 4.4.1 数学模型的建立 | 第51-52页 |
| 4.4.2 数学模型的求解 | 第52-55页 |
| 4.4.3 TILT车牌图像校正降噪算法步骤 | 第55-56页 |
| 4.5 实验结果与分析 | 第56-59页 |
| 4.5.1 算法理论分析 | 第56-58页 |
| 4.5.2 实验效果对比 | 第58-59页 |
| 4.6 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60-61页 |
| 5.2 展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第66页 |
