基于视频图像的多车牌识别技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 选题背景及意义 | 第9-10页 |
| 1.2 车牌识别技术概述 | 第10-12页 |
| 1.2.1 车牌识别技术研究现状 | 第10-11页 |
| 1.2.2 车牌识别的过程 | 第11-12页 |
| 1.3 论文工作内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第二章 运动模糊图像复原技术研究 | 第15-28页 |
| 2.1 模糊图像退化模型 | 第15-17页 |
| 2.1.1 通用图像退化模型 | 第15-16页 |
| 2.1.2 运动模糊图像的退化模型 | 第16-17页 |
| 2.2 运动模糊图像参数的估计 | 第17-21页 |
| 2.2.1 模糊角度估计过程 | 第17-20页 |
| 2.2.2 模糊长度估计过程 | 第20-21页 |
| 2.3 运动模糊图像参数估计结果分析 | 第21-24页 |
| 2.3.1 人工添加的运动模糊图像参数估计 | 第21-22页 |
| 2.3.2 实际拍摄的运动模糊图像参数估计 | 第22-24页 |
| 2.4 经典图像复原方法对比分析 | 第24-27页 |
| 2.4.1 逆滤波复原方法 | 第25页 |
| 2.4.2 维纳滤波复原方法 | 第25页 |
| 2.4.3 Lucy-Richardson算法 | 第25-26页 |
| 2.4.4 三种图像复原方法的实验结果及分析 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 车牌定位与字符分割 | 第28-41页 |
| 3.1 车牌特征分析及常用的车牌定位算法 | 第28-29页 |
| 3.1.1 车牌特征分析 | 第28-29页 |
| 3.1.2 常用的车牌定位算法 | 第29页 |
| 3.2 基于HSV颜色空间的多车牌定位 | 第29-38页 |
| 3.2.1 颜色空间的转换 | 第30-31页 |
| 3.2.2 彩色图像二值化 | 第31-33页 |
| 3.2.3 确定拟车牌区域 | 第33-35页 |
| 3.2.4 剔除伪车牌区域 | 第35页 |
| 3.2.5 车牌定位实验结果及分析 | 第35-38页 |
| 3.3 车牌字符分割 | 第38-40页 |
| 3.3.1 去除车牌的水平边框 | 第38-39页 |
| 3.3.2 分割车牌字符 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 车牌字符识别 | 第41-56页 |
| 4.1 车牌字符识别的难点及常用方法 | 第41页 |
| 4.2 车牌字符归一化和特征提取 | 第41-43页 |
| 4.2.1 车牌字符图像归一化 | 第41-42页 |
| 4.2.2 提取字符特征 | 第42-43页 |
| 4.2.3 建立字符特征模版库 | 第43页 |
| 4.3 基于模版匹配的字符识别算法 | 第43-44页 |
| 4.4 基于BP神经网络的字符识别算法 | 第44-51页 |
| 4.4.1 BP神经网络原理介绍 | 第44-48页 |
| 4.4.2 BP神经网络的改进 | 第48-49页 |
| 4.4.3 BP神经网络识别字符及其实验结果 | 第49-51页 |
| 4.5 系统实现 | 第51-55页 |
| 4.6 本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 本文工作总结 | 第56页 |
| 5.2 下一步工作展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读学位期间取得的研究成果 | 第62-63页 |
| 致谢 | 第63页 |
