基于连通域分析的车牌定位方法的研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-22页 |
| 1.1 论文研究背景及研究意义 | 第9-16页 |
| 1.1.1 智能交通系统的组成 | 第9-11页 |
| 1.1.2 智能交通系统发展状况 | 第11-13页 |
| 1.1.3 车牌识别系统的研究现状 | 第13-16页 |
| 1.2 车牌定位综述 | 第16-20页 |
| 1.2.1 车牌的主要特征 | 第17-18页 |
| 1.2.2 国内外研究成果 | 第18-20页 |
| 1.2.3 影响车牌定位的因素 | 第20页 |
| 1.3 本文的研究内容和结构安排 | 第20-22页 |
| 第二章 图像预处理 | 第22-39页 |
| 2.1 图像的灰度化 | 第22-23页 |
| 2.2 图像的平滑 | 第23-28页 |
| 2.2.1 空间域中图像的平滑 | 第24-26页 |
| 2.2.2 频率域中图像的平滑 | 第26-28页 |
| 2.3 边缘检测 | 第28-34页 |
| 2.4 图像二值化 | 第34-39页 |
| 2.4.1 全局阈值的二值化算法 | 第35-36页 |
| 2.4.2 局部阈值的二值化算法 | 第36-39页 |
| 第三章 主要的车牌定位方法 | 第39-47页 |
| 3.1 车牌的规格及特征 | 第39-40页 |
| 3.2 主要的车牌定位方法 | 第40-47页 |
| 3.2.1 基于颜色信息的车牌定位方法 | 第40-41页 |
| 3.2.2 基于数学形态学的车牌定位方法 | 第41-43页 |
| 3.2.3 基于边缘检测的车牌定位方法 | 第43页 |
| 3.2.4 基于纹理特征的车牌定位方法 | 第43-44页 |
| 3.2.5 基于小波的车牌定位方法 | 第44-45页 |
| 3.2.6 基于统计学习的车牌定位方法 | 第45-47页 |
| 第四章 一种基于连通域分析的车牌定位方法 | 第47-63页 |
| 4.1 基于边缘检测的粗定位 | 第48-49页 |
| 4.2 基于连通域分析的精确定位 | 第49-57页 |
| 4.2.1 图像二值化 | 第49-50页 |
| 4.2.2 连通域分析与特征提取 | 第50-52页 |
| 4.2.3 基于级联弱分类器的字符区域的筛选 | 第52-54页 |
| 4.2.4 车牌区域选定 | 第54-57页 |
| 4.3 实验 | 第57-63页 |
| 第五章 总结与展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-71页 |
| 作者简介 | 第71页 |
