非卡口场景下运动车牌识别关键技术研究与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 车牌识别技术 | 第9-10页 |
| 1.2.2 运动模糊图像复原技术 | 第10页 |
| 1.2.3 车牌倾斜校正技术 | 第10-11页 |
| 1.3 论文的主要研究内容 | 第11-12页 |
| 1.4 论文的组织结构 | 第12-13页 |
| 第二章 基于边缘信息的运动模糊车牌图像复原算法 | 第13-36页 |
| 2.1 运动模糊复原技术 | 第13-20页 |
| 2.1.1 运动模糊降质模型与复原模型 | 第13-14页 |
| 2.1.2 图像反卷积算法 | 第14-17页 |
| 2.1.3 基于图像先验约束反卷积算法模型 | 第17-20页 |
| 2.2 基于边缘估计的运动模糊车牌图像复原算法 | 第20-29页 |
| 2.2.1 模糊核估计 | 第20-24页 |
| 2.2.2 模糊图像复原 | 第24-29页 |
| 2.3 实验与分析 | 第29-35页 |
| 2.3.1 图像复原质量评价指标 | 第29页 |
| 2.3.2 运动模糊车牌复原结果比较 | 第29-30页 |
| 2.3.3 各反卷积算法效果分析比较 | 第30-32页 |
| 2.3.4 不同模糊核尺度对复原效果的影响 | 第32-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第三章 基于颜色信息的倾斜校正预处理算法 | 第36-45页 |
| 3.1 车牌倾斜校正技术 | 第36-37页 |
| 3.2 车牌倾斜校正现存挑战 | 第37页 |
| 3.3 一种基于BP神经网络的车牌颜色识别方法 | 第37-39页 |
| 3.3.1 BP神经网络 | 第38-39页 |
| 3.3.2 具体算法流程 | 第39页 |
| 3.4 一种基于颜色信息的倾斜校正预处理算法 | 第39-44页 |
| 3.4.1 算法介绍 | 第40-41页 |
| 3.4.2 处理流程中间结果展示 | 第41页 |
| 3.4.3 算法具体分析 | 第41-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 运动车牌识别原型系统设计与实现 | 第45-58页 |
| 4.1 系统总体设计方案 | 第45-46页 |
| 4.2 系统开发环境 | 第46页 |
| 4.3 系统功能模块的设计与实现 | 第46-53页 |
| 4.3.1 运动模糊复原模块 | 第46-48页 |
| 4.3.2 倾斜校正模块 | 第48-50页 |
| 4.3.3 整体车牌识别模块 | 第50-53页 |
| 4.4 系统测试与结果分析 | 第53-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 本文研究总结 | 第58-59页 |
| 5.2 未来工作展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63页 |
