| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 课题研究的背景和研究意义 | 第13-15页 |
| 1.2 车牌识别技术的国内外研究现状分析 | 第15-18页 |
| 1.2.1 国外研究现状 | 第15-16页 |
| 1.2.2 国内研究现状 | 第16-17页 |
| 1.2.3 车牌识别技术的关键技术研究 | 第17-18页 |
| 1.3 本文的研究内容及章节安排 | 第18-20页 |
| 1.3.1 本文研究内容 | 第18-19页 |
| 1.3.2 本文章节安排 | 第19-20页 |
| 1.4 本章小结 | 第20-21页 |
| 第2章 车牌的定位 | 第21-37页 |
| 2.1 我国车牌的规格及特征 | 第21-24页 |
| 2.2 常用车牌定位算法 | 第24-26页 |
| 2.3 颜色模型基础 | 第26-28页 |
| 2.3.1 RGB颜色模型 | 第26页 |
| 2.3.2 HSV颜色模型 | 第26-27页 |
| 2.3.3 RGB与HSV颜色模型的转化 | 第27-28页 |
| 2.4 本文车牌定位算法及实验分析 | 第28-36页 |
| 2.4.1 基于HSV颜色模型的黄色车牌粗定位 | 第29-34页 |
| 2.4.2 基于先验知识的车牌细定位 | 第34-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第3章 车牌的倾斜校正 | 第37-51页 |
| 3.1 引言 | 第37-39页 |
| 3.2 图像预处理 | 第39-41页 |
| 3.2.1 图像灰度化 | 第39-40页 |
| 3.2.2 双边滤波 | 第40-41页 |
| 3.3 常用特征点提取算法及比较 | 第41-44页 |
| 3.4 本文车牌倾斜校正方法及实验分析 | 第44-50页 |
| 3.4.1 基于双边滤波的Harris角点检测算法 | 第45-47页 |
| 3.4.2 惯性主轴的计算 | 第47-48页 |
| 3.4.3 基于角点惯性主轴的车牌倾斜校正方法 | 第48-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第4章 车牌的字符分割 | 第51-60页 |
| 4.1 引言 | 第51-52页 |
| 4.2 车牌预处理 | 第52-54页 |
| 4.2.1 车牌图像区域的二值化 | 第52-53页 |
| 4.2.2 去除车牌的结构噪声 | 第53-54页 |
| 4.3 本文车牌字符分割算法 | 第54-57页 |
| 4.3.1 基于水平投影的上下行区域分割 | 第54-56页 |
| 4.3.2 基于字符结构特征的字符分割 | 第56-57页 |
| 4.4 实验结果与分析 | 第57-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第5章 车牌的识别 | 第60-77页 |
| 5.1 常用车牌字符识别算法 | 第60-61页 |
| 5.2 字符特征的提取 | 第61-62页 |
| 5.3 支持向量机的基本原理 | 第62-67页 |
| 5.3.1 线性可分的支持向量机 | 第62-65页 |
| 5.3.2 非线性可分的支持向量机 | 第65-66页 |
| 5.3.3 SVM的多类分类算法 | 第66-67页 |
| 5.4 分类模型的训练 | 第67-72页 |
| 5.4.1 核函数 | 第67-70页 |
| 5.4.2 核函数的改进 | 第70-71页 |
| 5.4.3 核函数参数的确定 | 第71-72页 |
| 5.5 分类实现及结果分析 | 第72-74页 |
| 5.6 车牌识别整体流程 | 第74-76页 |
| 5.6.1 总体算法流程 | 第74页 |
| 5.6.2 整体实验结果 | 第74-76页 |
| 5.7 本章小结 | 第76-77页 |
| 结论 | 第77-79页 |
| 参考文献 | 第79-84页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第84-85页 |
| 致谢 | 第85-86页 |