基于稀疏表达理论的高效车牌识别算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文所做工作及论文内容安排 | 第12-16页 |
| 第二章 稀疏表达理论 | 第16-24页 |
| 2.1 稀疏表达 | 第16-17页 |
| 2.2 字典学习 | 第17-20页 |
| 2.2.1 基于解析数学的字典 | 第17-18页 |
| 2.2.2 基于学习的字典构造 | 第18-20页 |
| 2.3 常用的稀疏分解方法 | 第20-22页 |
| 2.3.1 贪婪算法 | 第20-21页 |
| 2.3.2 全局优化方法 | 第21-22页 |
| 2.3.3 其他分解算法 | 第22页 |
| 2.4 小结 | 第22-24页 |
| 第三章 车牌识别的预处理 | 第24-40页 |
| 3.1 车牌定位 | 第24-29页 |
| 3.1.1 常见的车牌定位算法 | 第24-25页 |
| 3.1.2 基于多特征结合的车牌定位方法 | 第25-29页 |
| 3.2 车牌图像二值化 | 第29-38页 |
| 3.2.1 脉冲耦合神经网络 | 第30-31页 |
| 3.2.2 优化脉冲耦合神经网络 | 第31-35页 |
| 3.2.3 基于优化PCNN的车牌图像分割 | 第35-38页 |
| 3.3 本章小结 | 第38-40页 |
| 第四章 基于稀疏表达的车牌识别算法 | 第40-60页 |
| 4.1 车牌特征的选取 | 第40-48页 |
| 4.1.1 矩形特征 | 第40-41页 |
| 4.1.2 局部二值模式特征 | 第41-43页 |
| 4.1.3 尺度不变特征变换 | 第43-44页 |
| 4.1.4 梯度方向直方图特征 | 第44-48页 |
| 4.2 字典设计 | 第48-50页 |
| 4.3 基于稀疏表达的车牌识别算法 | 第50-51页 |
| 4.4 实验与分析 | 第51-55页 |
| 4.5 车牌识别系统的设计与实现 | 第55-59页 |
| 4.6 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60页 |
| 5.2 展望 | 第60-62页 |
| 致谢 | 第62-64页 |
| 参考文献 | 第64-69页 |
