针对高分辨率背景复杂图像的车牌定位算法研究
| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-8页 |
| 目次 | 第8-11页 |
| 1 绪论 | 第11-18页 |
| ·课题背景及研究意义 | 第11-12页 |
| ·车牌定位技术研究现状 | 第12-14页 |
| ·利用边缘特征的车牌定位算法 | 第13页 |
| ·利用颜色特征的车牌定位算法 | 第13-14页 |
| ·利用纹理特征的车牌定位算法 | 第14页 |
| ·我国车牌定位分析 | 第14-16页 |
| ·我国车牌特点分析 | 第14-15页 |
| ·我国车牌定位难点分析 | 第15-16页 |
| ·课题内容与论文结构 | 第16-18页 |
| ·课题内容 | 第16-17页 |
| ·论文结构 | 第17-18页 |
| 2 基本概念与理论 | 第18-30页 |
| ·图像预处理 | 第18-21页 |
| ·图像灰度化 | 第18-19页 |
| ·图像增强 | 第19-21页 |
| ·图像边缘检测技术 | 第21-24页 |
| ·梯度算子 | 第21-22页 |
| ·高斯-拉普拉斯算子 | 第22-23页 |
| ·Canny算子 | 第23-24页 |
| ·图像的色彩空间模型 | 第24-26页 |
| ·RGB模型 | 第24-25页 |
| ·HSV模型 | 第25-26页 |
| ·图像的纹理特征 | 第26-29页 |
| ·Haar特征 | 第26-28页 |
| ·HOG特征 | 第28页 |
| ·SIFT特征 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 3 颜色纹理直方图和SVM离线训练 | 第30-41页 |
| ·纹理直方图 | 第30-32页 |
| ·局部二元模式 | 第30-31页 |
| ·改进的局部二元模式 | 第31-32页 |
| ·颜色直方图 | 第32-34页 |
| ·颜色直方图概述 | 第32-33页 |
| ·改进的颜色直方图 | 第33-34页 |
| ·联合的颜色纹理直方图 | 第34-35页 |
| ·样本的选择 | 第35-36页 |
| ·SVM训练算法 | 第36-39页 |
| ·实验结果及分析 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 4 基于边缘特征的车牌粗定位 | 第41-52页 |
| ·车牌图像预处理 | 第43-45页 |
| ·彩色图像灰度化 | 第43页 |
| ·灰度增强 | 第43-45页 |
| ·车牌图像边缘检测 | 第45-47页 |
| ·传统边缘检测算法 | 第45-46页 |
| ·基于Canny和Sobel算子的改进算法 | 第46-47页 |
| ·车牌区域粗定位 | 第47-49页 |
| ·图像滤波 | 第47-48页 |
| ·水平投影分析 | 第48-49页 |
| ·实验结果及分析 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 5 基于机器学习的车牌精确定位 | 第52-71页 |
| ·车牌区域的精确定位 | 第53-64页 |
| ·车牌检测 | 第53-55页 |
| ·车牌字符扩展 | 第55-57页 |
| ·多车牌区域排序 | 第57-59页 |
| ·倾斜矫正 | 第59-64页 |
| ·车牌定位方法分析与测试 | 第64-70页 |
| ·基于边缘的车牌定位方法 | 第64-66页 |
| ·基于颜色纹理综合特征的车牌定位方法 | 第66-67页 |
| ·实验结果与分析 | 第67-70页 |
| ·本章小结 | 第70-71页 |
| 6 总结和展望 | 第71-73页 |
| ·总结 | 第71-72页 |
| ·展望 | 第72-73页 |
| 参考文献 | 第73-79页 |
| 作者简历 | 第79页 |
