车牌字符识别技术的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-18页 |
| ·项目课题的背景 | 第10-11页 |
| ·国内外研究历史和现状 | 第11-16页 |
| ·车牌识别技术的发展现状 | 第11-12页 |
| ·车牌识别技术的难点 | 第12-13页 |
| ·车牌字符识别的常用技术 | 第13-16页 |
| ·本文主要的研究内容和组织结构 | 第16-18页 |
| 第二章 字符图像预处理 | 第18-30页 |
| ·灰度图的直方图均衡处理 | 第18-19页 |
| ·二值化 | 第19-23页 |
| ·基于迭代的最大类间方差阀值方法 | 第19-21页 |
| ·光照不均字符的二值化处理 | 第21-23页 |
| ·平滑处理 | 第23-24页 |
| ·连通域消除大噪声 | 第24-27页 |
| ·连通域相关定义 | 第24-25页 |
| ·连通域算法 | 第25-27页 |
| ·消除大噪声 | 第27页 |
| ·图像归一化 | 第27-29页 |
| ·最邻近归一化和质心归一化 | 第28页 |
| ·双线性插值归一化 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 基于多分类器多层次的车牌数字和字母识别 | 第30-48页 |
| ·车牌中字符的特点 | 第30页 |
| ·数字和字母识别的系统框架 | 第30-32页 |
| ·字符预处理 | 第32页 |
| ·车牌数字和字母的特征提取 | 第32-36页 |
| ·字符孔洞特征提取 | 第32-34页 |
| ·方向特征提取 | 第34页 |
| ·段数特征提取 | 第34-35页 |
| ·弹性网格特征提取 | 第35-36页 |
| ·多分类器融合 | 第36-38页 |
| ·分类器设计 | 第36-37页 |
| ·贝叶斯整合分类器 | 第37-38页 |
| ·相似字符的精判别 | 第38-39页 |
| ·数字和字母识别的流程图 | 第39-40页 |
| ·实验结果 | 第40-47页 |
| ·数字和字母模板的建立 | 第40-41页 |
| ·分类器识别结果统计 | 第41-44页 |
| ·贝叶斯融合结果统计 | 第44-45页 |
| ·相似字符结果统计 | 第45-46页 |
| ·实验结果 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 基于笔画统计和模糊模板的车牌汉字识别 | 第48-59页 |
| ·汉字识别的系统框架 | 第48-49页 |
| ·字符预处理 | 第49页 |
| ·基于笔画方向的统计特征 | 第49-51页 |
| ·基于汉字笔画特征的识别 | 第51-52页 |
| ·汉字模糊模板匹配 | 第52-55页 |
| ·基于灰度的模糊模板匹配 | 第52-54页 |
| ·汉字灰度模糊模板匹配的流程 | 第54-55页 |
| ·实验结果 | 第55-58页 |
| ·汉字模板的建立 | 第56-57页 |
| ·实验结果 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 系统运行结果 | 第59-63页 |
| ·系统运行结果 | 第59-61页 |
| ·与BP神经网络识别方法的比较 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 总结与展望 | 第63-65页 |
| 总结 | 第63页 |
| 下一步工作 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 攻读硕士学位期间取得的研究成果 | 第68-69页 |
| 致谢 | 第69-70页 |
| 附件 | 第70页 |
