| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 课题背景 | 第12-13页 |
| 1.2 车牌识别相关工作 | 第13-19页 |
| 1.2.1 车牌识别的一般流程 | 第13页 |
| 1.2.2 车牌检测 | 第13-15页 |
| 1.2.3 车牌定位 | 第15-16页 |
| 1.2.4 字符分割 | 第16-17页 |
| 1.2.5 字符识别 | 第17-19页 |
| 1.3 关于本文 | 第19-22页 |
| 1.3.1 本文创新点 | 第19-20页 |
| 1.3.2 本文主要工作 | 第20页 |
| 1.3.3 文章顺序组织架构 | 第20-22页 |
| 第2章 深度学习相关工作 | 第22-30页 |
| 2.1 概述 | 第22页 |
| 2.2 深度学习 | 第22-29页 |
| 2.2.1 深度学习算法做图像分类 | 第22-25页 |
| 2.2.2 深度学习算法做图像关键点检测 | 第25页 |
| 2.2.3 深度学习算法做图像中物体检测 | 第25-27页 |
| 2.2.4 深度学习算做文本识别 | 第27-28页 |
| 2.2.5 端到端算法 | 第28-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第3章 车牌数据库系统 | 第30-35页 |
| 3.1 概述 | 第30页 |
| 3.2 车牌存储数据库 | 第30-32页 |
| 3.2.1 标注信息数据 | 第30-31页 |
| 3.2.2 预测信息数据 | 第31-32页 |
| 3.3 标注网站 | 第32页 |
| 3.4 人工车牌生成器 | 第32-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 车牌识别算法 | 第35-45页 |
| 4.1 概述 | 第35-44页 |
| 4.1.1 车牌检测算法 | 第35-36页 |
| 4.1.2 正车牌识别传统流程 | 第36-41页 |
| 4.1.3 正车牌识别端到端(End-to-End)算法 | 第41-44页 |
| 4.2 本章小结 | 第44-45页 |
| 第5章 图像清晰化处理 | 第45-50页 |
| 5.1 概述 | 第45页 |
| 5.2 去雾霾方法 | 第45-46页 |
| 5.3 去运动模糊方法 | 第46-49页 |
| 5.4 本章小结 | 第49-50页 |
| 第6章 实验结果 | 第50-60页 |
| 6.1 概述 | 第50页 |
| 6.2 数据集 | 第50-51页 |
| 6.3 评价标准 | 第51-52页 |
| 6.3.1 车牌检测评价标准 | 第51页 |
| 6.3.2 正车牌识别的评价标准 | 第51页 |
| 6.3.3 关键点回归的评价标准 | 第51-52页 |
| 6.3.4 实验环境 | 第52页 |
| 6.4 车牌检测 | 第52-54页 |
| 6.4.1 车牌检测速度测试 | 第52页 |
| 6.4.2 车牌检测准确率测试 | 第52-54页 |
| 6.5 正车牌识别 | 第54-57页 |
| 6.5.1 端到端模型选择 | 第54页 |
| 6.5.2 传统流程模型效果 | 第54-55页 |
| 6.5.3 正车牌识别速度测试 | 第55页 |
| 6.5.4 正车牌识别准确率测试 | 第55-56页 |
| 6.5.5 车牌图像清晰化 | 第56-57页 |
| 6.6 整体流程准确率测试 | 第57-58页 |
| 6.7 本章小结 | 第58-60页 |
| 第7章 总结与展望 | 第60-65页 |
| 7.1 总结 | 第60页 |
| 7.2 展望 | 第60-65页 |
| 7.2.1 数据种类 | 第61-62页 |
| 7.2.2 图像处理 | 第62-63页 |
| 7.2.3 算法设计 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间的主要研究成果 | 第69-70页 |
| 致谢 | 第70页 |