| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题的研究背景与意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 国外的研究现状 | 第10页 |
| 1.2.2 国内的研究现状 | 第10-11页 |
| 1.3 主要研究内容 | 第11-12页 |
| 1.3.1 复杂场景下车牌定位的准确度问题 | 第11页 |
| 1.3.2 车牌字符分割不理想的问题 | 第11-12页 |
| 1.3.3 车牌字符识别的计算量大且识别效率低的问题 | 第12页 |
| 1.4 论文章节安排 | 第12-14页 |
| 第2章 系统整体设计 | 第14-24页 |
| 2.1 系统前期工作 | 第14-15页 |
| 2.1.1 复杂场景 | 第14-15页 |
| 2.1.2 中国车牌 | 第15页 |
| 2.2 系统设计 | 第15-22页 |
| 2.2.1 系统架构 | 第15-16页 |
| 2.2.2 系统相关技术 | 第16-22页 |
| 2.3 本章小结 | 第22-24页 |
| 第3章 车牌定位 | 第24-34页 |
| 3.1 基于SVF颜色的车牌定位方法 | 第24-25页 |
| 3.2 改进的基于卷积神经网络的车牌定位方法 | 第25-28页 |
| 3.2.1 卷积神经网络介绍 | 第25-27页 |
| 3.2.2 卷积神经网络的结构改进及车牌定位 | 第27-28页 |
| 3.3 提出多颜色空间的车牌定位方法 | 第28-33页 |
| 3.3.1 颜色空间介绍 | 第28-30页 |
| 3.3.2 综合YCbCr和Lab的车牌定位 | 第30-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 字符的分割和识别 | 第34-45页 |
| 4.1 字符分割的研究 | 第34-38页 |
| 4.1.1 基于字符连通区域的分割方法 | 第34-36页 |
| 4.1.2 基于投影图像的分割方法 | 第36-37页 |
| 4.1.3 改进的投影图像分割方法及实现 | 第37-38页 |
| 4.2 字符识别的研究 | 第38-44页 |
| 4.2.1 基于模板匹配的识别方法 | 第38-39页 |
| 4.2.2 基于机器学习的识别方法 | 第39-41页 |
| 4.2.3 基于字符特征的识别方法 | 第41-43页 |
| 4.2.4 提出基于长度特征的识别方法 | 第43-44页 |
| 4.3 本章小结 | 第44-45页 |
| 第5章 实验结果 | 第45-55页 |
| 5.1 车牌定位结果 | 第45-49页 |
| 5.2 字符分割结果 | 第49-51页 |
| 5.3 字符识别结果 | 第51-53页 |
| 5.4 结果分析与对比 | 第53页 |
| 5.5 本章小结 | 第53-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第62-64页 |
| 致谢 | 第64页 |