基于机器学习的车牌识别系统研究
| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 第一章 绪论 | 第11-17页 |
| ·研究背景及意义 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·本文的研究内容及方法 | 第14-15页 |
| ·本文组织结构 | 第15-17页 |
| 第二章 车牌识别系统的总体设计 | 第17-21页 |
| ·车牌识别系统设计要求 | 第17页 |
| ·系统结构方案 | 第17-18页 |
| ·本文车牌识别的创新点 | 第18-19页 |
| ·本章小结 | 第19-21页 |
| 第三章 基于颜色和边缘特征的车牌候选集提取 | 第21-43页 |
| ·基于颜色与边缘特征相结合的车牌候选区域提取方法 | 第21-22页 |
| ·基于颜色的候选车牌区域提取方法 | 第22-35页 |
| ·RGB到HSV空间变换 | 第23-25页 |
| ·直方图均衡化 | 第25-26页 |
| ·蓝色和黄色分量检测 | 第26-28页 |
| ·图像闭操作 | 第28-29页 |
| ·图像轮廓跟踪 | 第29-30页 |
| ·车牌区域的确定 | 第30-32页 |
| ·车牌区域的倾斜较正 | 第32-33页 |
| ·基于颜色的车牌提取结果及问题 | 第33-35页 |
| ·基于边缘特征的候选车牌区域提取方法 | 第35-40页 |
| ·图像灰度化处理 | 第35-36页 |
| ·图像平滑去噪 | 第36-37页 |
| ·SOBEL算子边缘提取 | 第37-38页 |
| ·图像二值化 | 第38-39页 |
| ·基于边缘特征的车牌提取结果 | 第39-40页 |
| ·基于颜色和边缘特征候选车牌区域提取实验结果 | 第40-41页 |
| ·本章小结 | 第41-43页 |
| 第四章 基于SVM的车牌识别 | 第43-61页 |
| ·车牌识别选用BOW模型的原因 | 第43-44页 |
| ·车牌区域的SIFT特征提取 | 第44-47页 |
| ·k-means算法对SIFT特征归一化 | 第47-48页 |
| ·基于SVM对候选车牌进行识别 | 第48-60页 |
| ·本章小结 | 第60-61页 |
| 第五章 基于神经网络的车牌字符识别 | 第61-75页 |
| ·神经网络概述 | 第61-64页 |
| ·神经网络基本概念 | 第61-63页 |
| ·神经网络在车牌字符识别的应用 | 第63-64页 |
| ·车牌字符特征提取 | 第64-70页 |
| ·车牌图像预处理 | 第64-67页 |
| ·投影直方图特征提取 | 第67-68页 |
| ·梯度方向直方图特征 | 第68-70页 |
| ·车牌字符识别的神经网络设计 | 第70页 |
| ·车牌字符识别神经网络训练和测试 | 第70-74页 |
| ·本章小结 | 第74-75页 |
| 总结和展望 | 第75-77页 |
| ·总结 | 第75页 |
| ·展望 | 第75-77页 |
| 致谢 | 第77-79页 |
| 参考文献 | 第79-82页 |
