机动车车牌自动识别系统的算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-17页 |
| ·机动车车牌识别系统研究的背景和意义 | 第10-11页 |
| ·车牌识别技术的现状 | 第11-12页 |
| ·中国汽车牌照的特点 | 第12-15页 |
| ·本课题需要完成的主要工作 | 第15-16页 |
| ·本文结构 | 第16-17页 |
| 第二章 车牌识别系统概述 | 第17-26页 |
| ·车牌识别系统整体结构 | 第17-18页 |
| ·图像预处理 | 第18-22页 |
| ·彩色图像灰度化 | 第18-19页 |
| ·灰度拉伸 | 第19页 |
| ·图像二值化 | 第19-21页 |
| ·平滑滤波 | 第21-22页 |
| ·车牌定位 | 第22-23页 |
| ·车牌字符分割 | 第23-24页 |
| ·车牌字符识别 | 第24-25页 |
| ·小结 | 第25-26页 |
| 第三章 车牌定位算法研究 | 第26-41页 |
| ·目前车牌识别系统中的定位方法 | 第26-29页 |
| ·基于视觉特征的定位方法 | 第26-27页 |
| ·基于变换域特征的定位方法 | 第27-29页 |
| ·本文的车牌定位算法 | 第29-38页 |
| ·算法提出的应用背景 | 第30页 |
| ·车牌图像的获取 | 第30-31页 |
| ·车牌图像预处理 | 第31-33页 |
| ·车牌水平定位 | 第33-37页 |
| ·车牌竖直定位 | 第37-38页 |
| ·车牌倾斜矫正 | 第38-39页 |
| ·算法性能分析 | 第39-40页 |
| ·小结 | 第40-41页 |
| 第四章 车牌字符识别算法研究 | 第41-63页 |
| ·车牌字符特征分析 | 第41-42页 |
| ·常用的车牌字符识别方法介绍 | 第42-45页 |
| ·模板匹配法 | 第42-43页 |
| ·神经网络法 | 第43-44页 |
| ·特征统计匹配法 | 第44页 |
| ·Boosting 分类法 | 第44页 |
| ·支持向量机法 | 第44-45页 |
| ·统计学习理论（SLT） | 第45-47页 |
| ·VC 维 | 第46-47页 |
| ·结构风险最小化 | 第47页 |
| ·支持向量机理论 | 第47-54页 |
| ·最优分类超平面 | 第48-50页 |
| ·SVM 内积函数 | 第50-51页 |
| ·多分类支持向量机 | 第51-54页 |
| ·Adaboost 算法 | 第54-55页 |
| ·车牌字符图像的处理（字符归一化） | 第55-56页 |
| ·车牌字符识别算法 | 第56-61页 |
| ·卡口简单场景下的字符识别算法 | 第57-59页 |
| ·十字路口复杂场景下的字符识别算法 | 第59-61页 |
| ·算法性能分析 | 第61-63页 |
| 第五章 总结与展望 | 第63-65页 |
| ·总结 | 第63-64页 |
| ·展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间的研究成果 | 第70-71页 |
