复杂自然环境下车牌识别算法研究
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题研究背景 | 第11-12页 |
| 1.2 车牌识别技术的研究现状 | 第12-13页 |
| 1.2.1 国外研究状况 | 第12-13页 |
| 1.2.2 国内研究状况 | 第13页 |
| 1.3 本文研究主要内容 | 第13-17页 |
| 1.3.1 研究内容 | 第13-14页 |
| 1.3.2 主要贡献 | 第14-15页 |
| 1.3.3 结构安排 | 第15-17页 |
| 第二章 车牌定位算法 | 第17-29页 |
| 2.1 车牌特征分析 | 第17-18页 |
| 2.1.1 车牌规格参数 | 第17-18页 |
| 2.1.2 车牌特征分析 | 第18页 |
| 2.2 车牌定位算法研究综述 | 第18-19页 |
| 2.3 基于目标区域的车牌定位算法 | 第19-28页 |
| 2.3.1 目标区域提取 | 第20-21页 |
| 2.3.2 车牌分类器 | 第21-25页 |
| 2.3.3 车牌区域非极大值抑制 | 第25-26页 |
| 2.3.4 车牌区域精确定位 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 车牌字符分割算法 | 第29-41页 |
| 3.1 字符分割算法研究综述 | 第29-30页 |
| 3.2 基于连通区域的字符分割算法 | 第30-38页 |
| 3.2.1 车牌预处理 | 第30-31页 |
| 3.2.2 车牌倾斜校正 | 第31-35页 |
| 3.2.3 车牌字符分割 | 第35-38页 |
| 3.3 改进的字符归一化方法 | 第38-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第四章 车牌字符识别算法 | 第41-55页 |
| 4.1 字符结构特征 | 第41-42页 |
| 4.2 字符识别算法综述 | 第42-43页 |
| 4.3 卷积神经网络介绍 | 第43-48页 |
| 4.3.1 卷积神经网络结构 | 第43-44页 |
| 4.3.2 卷积层结构 | 第44-45页 |
| 4.3.3 降采样层结构 | 第45-46页 |
| 4.3.4 学习过程 | 第46-48页 |
| 4.4 基于卷积神经网络的车牌字符识别算法 | 第48-54页 |
| 4.4.1 训练集预处理 | 第48-49页 |
| 4.4.2 网络结构 | 第49-53页 |
| 4.4.3 网络训练 | 第53-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第五章 实验结果与分析 | 第55-65页 |
| 5.1 车牌定位实验 | 第55-58页 |
| 5.2 字符分割实验 | 第58-59页 |
| 5.3 字符识别实验 | 第59-63页 |
| 5.4 实验小结 | 第63-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 研究内容回顾 | 第65页 |
| 6.2 研究展望 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 致谢 | 第73-74页 |
| 学位论文评阅及答辩情况表 | 第74页 |
