车牌识别算法研究及应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 符号对照表 | 第12-14页 |
| 缩略语对照表 | 第14-17页 |
| 第一章 绪论 | 第17-23页 |
| 1.1 引言 | 第17页 |
| 1.2 课题研究的背景和意义 | 第17-18页 |
| 1.3 车牌识别的研究发展现状 | 第18-20页 |
| 1.4 车牌识别系统组成 | 第20-22页 |
| 1.5 本文的研究内容及安排 | 第22-23页 |
| 第二章 车牌定位 | 第23-47页 |
| 2.1 车牌定位算法 | 第23-24页 |
| 2.2 车牌定位实现 | 第24-45页 |
| 2.2.1 高斯模糊和图片灰度化增强 | 第25-31页 |
| 2.2.2 Sobel运算与图片二值化 | 第31-36页 |
| 2.2.3 闭操作和取轮廓 | 第36-43页 |
| 2.2.4 图像筛选与角度尺寸调整 | 第43-45页 |
| 2.3 本章小结 | 第45-47页 |
| 第三章 车牌字符分割与图像特征降维 | 第47-63页 |
| 3.1 车牌字符分割 | 第47-50页 |
| 3.1.1 分割算法 | 第47-48页 |
| 3.1.2 字符分割实验 | 第48-50页 |
| 3.2 图像特征数据集 | 第50-55页 |
| 3.2.1 图像特征简介 | 第51-53页 |
| 3.2.2 构建图像特征数据集 | 第53-55页 |
| 3.3 主成分分析的图像降维 | 第55-62页 |
| 3.3.1 PCA算法原理 | 第55-59页 |
| 3.3.2 PCA性能仿真和分析 | 第59-62页 |
| 3.4 本章小结 | 第62-63页 |
| 第四章 车牌字符识别算法 | 第63-81页 |
| 4.1 常用车牌字符识别算法 | 第63-66页 |
| 4.1.1 遗传算法简介 | 第63-64页 |
| 4.1.2 基于模板匹配的识别算法 | 第64页 |
| 4.1.3 人工神经网络算法 | 第64-66页 |
| 4.2 基于K近邻的车牌字符识别 | 第66-69页 |
| 4.2.1 K近邻算法原理 | 第66-68页 |
| 4.2.2 K近邻在车牌字符识别中的应用 | 第68-69页 |
| 4.3 基于Libsvm的车牌字符识别 | 第69-71页 |
| 4.3.1 支持向量机原理 | 第69-70页 |
| 4.3.2 SVM在车牌字符识别中的应用 | 第70-71页 |
| 4.4 基于树模型的车牌字符识别 | 第71-75页 |
| 4.4.1 CART算法原理 | 第71-73页 |
| 4.4.2 CART在车牌字符识别中的应用 | 第73-75页 |
| 4.5 基于随机森林的车牌字符识别 | 第75-79页 |
| 4.5.1 随机森林算法原理 | 第75-76页 |
| 4.5.2 随机森林在车牌字符识别中的应用 | 第76-79页 |
| 4.6 本章小结 | 第79-81页 |
| 第五章 总结与展望 | 第81-83页 |
| 参考文献 | 第83-87页 |
| 致谢 | 第87-89页 |
| 作者简介 | 第89-90页 |
