复杂环境中的车牌定位算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 课题的研究背景及意义 | 第9-10页 |
| 1.2 车牌识别系统的组成及工作原理 | 第10-11页 |
| 1.3 车牌定位技术的国内外研究现状 | 第11-12页 |
| 1.4 车牌定位概述 | 第12-16页 |
| 1.4.1 车辆牌照特征 | 第12-14页 |
| 1.4.2 车牌定位算法概述 | 第14-16页 |
| 1.5 本文的主要内容 | 第16-18页 |
| 第二章 车牌图像预处理 | 第18-27页 |
| 2.1 数字图像处理的理论基础 | 第18-19页 |
| 2.2 彩色图像灰度化 | 第19-20页 |
| 2.3 图像直方图 | 第20-24页 |
| 2.3.1 灰度直方图 | 第20-21页 |
| 2.3.2 直方图均衡化 | 第21-22页 |
| 2.3.3 直方图灰度拉伸 | 第22-24页 |
| 2.4 图像增强 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于边缘检测和梯度方向的车牌定位方法 | 第27-41页 |
| 3.1 边缘特征提取 | 第27-33页 |
| 3.1.1 边缘检测 | 第27-30页 |
| 3.1.2 图像二值化 | 第30-32页 |
| 3.1.3 单边缘图像获取 | 第32-33页 |
| 3.2 梯度方向特征提取 | 第33-34页 |
| 3.3 干扰边缘移除 | 第34-39页 |
| 3.3.1 基于边缘长度移除 | 第34-36页 |
| 3.3.2 基于边缘密度移除 | 第36-38页 |
| 3.3.3 基于梯度方向移除 | 第38-39页 |
| 3.4 车牌检测与分割 | 第39页 |
| 3.5 实验结果与分析 | 第39-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第四章 基于颜色特征和字符检测的车牌定位方法 | 第41-56页 |
| 4.1 相关背景知识 | 第41-46页 |
| 4.1.1 车牌的颜色特征 | 第41页 |
| 4.1.2 颜色模型 | 第41-43页 |
| 4.1.3 数学形态学 | 第43-44页 |
| 4.1.4 字符特征 | 第44-46页 |
| 4.2 SVM原理 | 第46-49页 |
| 4.2.1 线性可分 | 第46-48页 |
| 4.2.2 线性不可分 | 第48-49页 |
| 4.3 SVM核函数 | 第49-50页 |
| 4.4 字符检测与车牌定位 | 第50-54页 |
| 4.4.1 颜色特征提取 | 第50-51页 |
| 4.4.2 字符特征提取 | 第51-52页 |
| 4.4.3 SVM最佳参数模型的选择 | 第52页 |
| 4.4.4 车牌粗定位 | 第52-54页 |
| 4.4.5 车牌精定位 | 第54页 |
| 4.5 实验结果与分析 | 第54-55页 |
| 4.6 本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 论文总结 | 第56页 |
| 5.2 工作展望 | 第56-58页 |
| 参考文献 | 第58-60页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第60-61页 |
| 致谢 | 第61页 |
