| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 引言 | 第10页 |
| 1.2 研究背景及意义 | 第10-12页 |
| 1.3 车牌定位技术的研究现状 | 第12-15页 |
| 1.4 本文主要研究内容 | 第15-16页 |
| 1.5 本文研究内容的安排 | 第16-17页 |
| 第二章 车牌定位关键技术综述 | 第17-41页 |
| 2.1 二维平稳二进小波变换 | 第17-26页 |
| 2.1.1 二进小波定义及其构造 | 第18-21页 |
| 2.1.2 二维平稳二进小波构造 | 第21-22页 |
| 2.1.3 离散快速算法 | 第22-24页 |
| 2.1.4 实验分析 | 第24-26页 |
| 2.2 AdaBoost算法介绍 | 第26-33页 |
| 2.2.1 Boosting算法 | 第26页 |
| 2.2.2 AdaBoost算法 | 第26-27页 |
| 2.2.3 变种的AdaBoost算法 | 第27-28页 |
| 2.2.4 级联AdaBoost算法 | 第28-30页 |
| 2.2.5 错误率和收敛性分析 | 第30-33页 |
| 2.3 支持向量机 | 第33-40页 |
| 2.3.1 基本原理 | 第33-34页 |
| 2.3.2 线性SVM分类器 | 第34-37页 |
| 2.3.3 非线性SVM分类器 | 第37-39页 |
| 2.3.4 常用核函数 | 第39-40页 |
| 2.4 本章小结 | 第40-41页 |
| 第三章 基于小波系数特征的AdaBoost车牌定位算法 | 第41-59页 |
| 3.1 基于小波系数的特征提取及快速计算 | 第41-47页 |
| 3.1.1 基本统计特征 | 第41-42页 |
| 3.1.2 基本Haar特征 | 第42-44页 |
| 3.1.3 基于小波系数的Haar特征和统计特征提取 | 第44-45页 |
| 3.1.4 积分图计算 | 第45-47页 |
| 3.2 分类器训练 | 第47-53页 |
| 3.2.1 可拓分类器的构造 | 第48-49页 |
| 3.2.2 AdaBoost算法 | 第49-51页 |
| 3.2.3 弱分类器的选择与训练 | 第51-53页 |
| 3.2.4 强分类器训练 | 第53页 |
| 3.3 样本库的构建 | 第53-55页 |
| 3.3.1 车牌库构建 | 第53-54页 |
| 3.3.2 非车牌库构建 | 第54-55页 |
| 3.4 训练及结果分析 | 第55-58页 |
| 3.4.1 统计特征分类器 | 第55-56页 |
| 3.4.2 AdaBoost强分类器 | 第56-58页 |
| 3.5 本章小结 | 第58-59页 |
| 第四章 多特征集成分类器构造 | 第59-66页 |
| 4.1 参数确定和分类器性能评估方法 | 第60-61页 |
| 4.1.1 参数确定方法 | 第60页 |
| 4.1.2 分类器性能评估 | 第60-61页 |
| 4.2 基于支持向量机分类器的构造与集成 | 第61-65页 |
| 4.2.1 基于网格特征的SVM分类器构造 | 第61-63页 |
| 4.2.2 基于垂直投影特征的SVM分类器构造 | 第63-64页 |
| 4.2.3 基于水平投影特征的SVM分类器构造 | 第64-65页 |
| 4.2.4 分类器集成 | 第65页 |
| 4.3 本章小结 | 第65-66页 |
| 第五章 多特征联合车牌定位算法的实现 | 第66-76页 |
| 5.1 实验条件 | 第66页 |
| 5.2 检测策略和结果融合方法 | 第66-69页 |
| 5.2.1 检测策略 | 第66-67页 |
| 5.2.2 融合检测框方法 | 第67-69页 |
| 5.3 车牌定位实验 | 第69-74页 |
| 5.3.1 AdaBoost分类器粗定位 | 第69-70页 |
| 5.3.2 SVM分类器精确定位 | 第70-71页 |
| 5.3.3 定位结果 | 第71-74页 |
| 5.4 实验结果分析 | 第74-75页 |
| 5.5 本章小结 | 第75-76页 |
| 总结和展望 | 第76-78页 |
| 参考文献 | 第78-83页 |
| 致谢 | 第83页 |