汽车牌照自动识别系统的研究与实现
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 引言 | 第9-14页 |
| ·课题研究背景 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·论文结构及主要工作内容 | 第12-14页 |
| 2 汽车牌照定位技术研究 | 第14-30页 |
| ·汽车牌照定位的技术分析 | 第14-15页 |
| ·现有的车牌定位算法 | 第15-18页 |
| ·图像预处理 | 第18-21页 |
| ·灰度化 | 第18页 |
| ·边缘检测 | 第18-21页 |
| ·车牌粗略定位 | 第21-25页 |
| ·水平定位 | 第23-24页 |
| ·垂直定位 | 第24-25页 |
| ·车牌精确定位 | 第25-26页 |
| ·投影累加图的平滑算法 | 第26-28页 |
| ·实验结果 | 第28-30页 |
| 3 车牌字符分割技术研究 | 第30-40页 |
| ·车牌区域图像特征分析 | 第30页 |
| ·现有的车牌字符分割算法 | 第30-32页 |
| ·车牌图像预处理 | 第32-34页 |
| ·二值化算法 | 第32-33页 |
| ·边框去除算法 | 第33页 |
| ·背景颜色统一 | 第33-34页 |
| ·基于投影特征值的车牌字符分割算法 | 第34-37页 |
| ·投影特征值TZ 的提出 | 第34-35页 |
| ·车牌字符分割算法 | 第35-37页 |
| ·实验结果 | 第37-40页 |
| 4 字符识别技术研究 | 第40-58页 |
| ·车牌字符识别的技术分析 | 第40-41页 |
| ·现有的车牌字符识别算法 | 第41-42页 |
| ·支持向量机基础 | 第42-49页 |
| ·机器学习的基本问题 | 第43-44页 |
| ·统计学习理论的核心内容 | 第44-46页 |
| ·支持向量机 | 第46-49页 |
| ·基于支持向量机技术的字符识别算法 | 第49-54页 |
| ·支持向量机库LIBSVM | 第49-50页 |
| ·字符图像预处理 | 第50-51页 |
| ·基于LIBSVM的车牌字符识别 | 第51-54页 |
| ·实验结果比较与分析 | 第54-58页 |
| ·SVM在不同参数下的实验结果比较 | 第54-56页 |
| ·SVM在不同训练数目下的实验结果比较 | 第56页 |
| ·SVM在不同核函数下的实验结果比较 | 第56页 |
| ·SVM与神经网络方法的实验结果比较 | 第56-57页 |
| ·识别结果分析 | 第57-58页 |
| 5 结论与展望 | 第58-60页 |
| ·本文在车牌识别系统的设计和开发上所做的一些工作 | 第58页 |
| ·今后研究工作的展望 | 第58-59页 |
| ·几点感想 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 附图表目录 | 第64-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士学位期间发表的论文 | 第66页 |
