车牌自动识别系统相关技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·论文工作背景 | 第9页 |
| ·国内外车牌识别技术的现状 | 第9-11页 |
| ·系统软件组成及本文所做的工作 | 第11-13页 |
| 第二章 复杂背景下的车牌定位 | 第13-31页 |
| ·引言 | 第13页 |
| ·车牌的特征 | 第13页 |
| ·基本方法介绍 | 第13-16页 |
| ·基于彩色模型的车牌快速提取算法 | 第16-26页 |
| ·人眼视觉特性 | 第16-17页 |
| ·颜色的分类特性 | 第17-19页 |
| ·彩色的模拟和分解 | 第19页 |
| ·色度坐标系 | 第19-20页 |
| ·基于YUV 空间的车牌提取算法 | 第20-26页 |
| ·基于纹理的车牌提取算法 | 第26-30页 |
| ·算法框架 | 第26-27页 |
| ·垂直边缘检测 | 第27-28页 |
| ·边缘密度计算 | 第28页 |
| ·二值化及形态学处理 | 第28-30页 |
| ·车牌区域搜索 | 第30页 |
| ·本章小结 | 第30-31页 |
| 第三章 车牌的倾斜矫正方法研究 | 第31-39页 |
| ·引言 | 第31-32页 |
| ·基于Hough 变换的水平倾斜角检测 | 第32-36页 |
| ·边界闭合 | 第32页 |
| ·水平边缘提取 | 第32-33页 |
| ·Hough 变换倾斜角的分级检测 | 第33-34页 |
| ·Hough 变换的有效性检测 | 第34-35页 |
| ·试验结果 | 第35-36页 |
| ·基于窄孔透视思想的垂直倾斜矫正方法 | 第36-38页 |
| ·窄孔透视模型 | 第36-37页 |
| ·试验结果 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 单字符切分方法的研究 | 第39-46页 |
| ·引言 | 第39页 |
| ·边框铆钉噪声的去除 | 第39-41页 |
| ·一般方法 | 第39-40页 |
| ·基于跳变特征的消除方法 | 第40-41页 |
| ·去粗取精的切分车牌字符算法 | 第41-44页 |
| ·基于整体垂直投影的粗分割 | 第41-42页 |
| ·基于局部垂直投影的较细分割 | 第42-43页 |
| ·基于最大连通区域思想的精细分割 | 第43-44页 |
| ·本章小结 | 第44-46页 |
| 第五章 一种基于字符检测的车牌定位方法 | 第46-53页 |
| ·算法原理 | 第46-49页 |
| ·Haar 特征和积分图像 | 第46-47页 |
| ·级联神经网络分类器 | 第47-48页 |
| ·类车牌字符子窗口的排除 | 第48-49页 |
| ·车牌字符样本获取及分类器训练 | 第49-52页 |
| ·车牌字符样本的获取 | 第49页 |
| ·Haar 特征的计算 | 第49页 |
| ·分类器的训练 | 第49-52页 |
| ·实验结果 | 第52页 |
| ·本章小结 | 第52-53页 |
| 第六章 车牌字符识别研究 | 第53-65页 |
| ·引言 | 第53页 |
| ·车牌的特点 | 第53页 |
| ·常用的字符识别方法 | 第53-55页 |
| ·结构模式识别方法 | 第53-54页 |
| ·贝叶斯统计决策模式识别方法 | 第54-55页 |
| ·结构与统计相结合的识别方法 | 第55页 |
| ·人工神经网络方法 | 第55页 |
| ·支持向量机方法 | 第55-65页 |
| ·统计学习理论 | 第56-59页 |
| ·分类支持向量机 | 第59-63页 |
| ·支持向量机的凸规划问题求解 | 第63-65页 |
| 第七章 结束语 | 第65-66页 |
| 作者在硕士期间发表的论文 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-69页 |
