复杂环境下车牌识别的算法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第14-21页 |
| 1.1 车牌识别技术的研究背景与意义 | 第14-15页 |
| 1.2 国内外车牌识别技术研究的历史与现状 | 第15-17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 |
| 1.3 车牌识别算法研究中的难点 | 第17-18页 |
| 1.4 车牌识别算法的评价指标 | 第18页 |
| 1.5 论文主要工作与组织结构 | 第18-21页 |
| 1.5.1 论文主要工作 | 第18-19页 |
| 1.5.2 论文结构安排 | 第19-21页 |
| 2 车牌识别算法概述 | 第21-23页 |
| 2.1 常见车牌识别算法的架构 | 第21页 |
| 2.2 车牌定位 | 第21-22页 |
| 2.3 字符分割 | 第22页 |
| 2.4 字符识别 | 第22-23页 |
| 3 复杂环境下车牌定位算法 | 第23-50页 |
| 3.1 引言 | 第23-24页 |
| 3.2 图像预处理 | 第24-33页 |
| 3.2.1 基于颜色特征的灰度化 | 第24-27页 |
| 3.2.2 边缘检测及二值化 | 第27-31页 |
| 3.2.3 彩色模型的转换 | 第31-33页 |
| 3.3 车牌的初始定位 | 第33-36页 |
| 3.3.1 图像的形态学处理 | 第33-34页 |
| 3.3.2 车牌候选区域的提取 | 第34-36页 |
| 3.4 车牌的精确定位 | 第36-46页 |
| 3.4.1 Hu矩特征 | 第37-38页 |
| 3.4.2 PHOG特征的提取 | 第38-40页 |
| 3.4.3 构建多特征融向量 | 第40页 |
| 3.4.4 基于PSO优化SVM的车牌精确定位 | 第40-46页 |
| 3.5 实验结果与小结 | 第46-50页 |
| 3.5.1 实验结果 | 第46-49页 |
| 3.5.2 本章小结 | 第49-50页 |
| 4 字符分割算法 | 第50-59页 |
| 4.1 引言 | 第50页 |
| 4.2 车牌校正及边框去除 | 第50-55页 |
| 4.2.1 水平倾斜校正及上下边框去除 | 第51-53页 |
| 4.2.2 垂直倾斜校正及左右边框去除 | 第53-55页 |
| 4.3 基于结构特征及垂直投影的字符分割算法 | 第55-58页 |
| 4.4 本章小结 | 第58-59页 |
| 5 字符识别算法 | 第59-71页 |
| 5.1 引言 | 第59页 |
| 5.2 常用的字符识别算法 | 第59-61页 |
| 5.3 字符数据集 | 第61-62页 |
| 5.4 基于改进的LeNet-5 的字符识别算法 | 第62-66页 |
| 5.4.1 卷积神经网络简介 | 第62-64页 |
| 5.4.2 LeNet-5 网络的改进 | 第64-66页 |
| 5.5 网络训练 | 第66-67页 |
| 5.6 实验结果与小结 | 第67-71页 |
| 5.6.1 实验结果 | 第67-69页 |
| 5.6.2 本章小结 | 第69-71页 |
| 6 结论与展望 | 第71-73页 |
| 6.1 总结 | 第71-72页 |
| 6.2 展望 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 致谢 | 第76-77页 |
| 个人简历、在学校期间发表的学术论文与研究成果 | 第77页 |
