数字图像模式识别在车牌自动识别中的应用研究
| 中文摘要 | 第1-3页 |
| ABSTRACT | 第3-7页 |
| 第一章 绪论 | 第7-10页 |
| ·车牌自动识别的研究意义和背景 | 第7-9页 |
| ·论文的主要工作和结构安排 | 第9-10页 |
| 第二章 模式识别方法概述 | 第10-20页 |
| ·模式识别方法概述 | 第10-12页 |
| ·核函数特征空间 | 第12-13页 |
| ·用于分类的支持向量机 | 第13-19页 |
| ·最大间隔分类器 | 第14-16页 |
| ·软间隔一范数分类器 | 第16-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 车牌分割算法 | 第20-37页 |
| ·车牌分割算法的研究现状 | 第20-22页 |
| ·基于多级SVM 分类的车牌分割 | 第22-23页 |
| ·粗分类器的区域纹理特征提取 | 第23-29页 |
| ·区域纹理特征描绘子 | 第25-28页 |
| ·纹理特征的选择 | 第28-29页 |
| ·基于SVM 的粗分类器 | 第29-30页 |
| ·基于边缘检测的细分类器 | 第30-34页 |
| ·基于RGB 降维模型的候选区域边缘提取 | 第31-33页 |
| ·基于边缘跳变图的特征提取 | 第33页 |
| ·基于边缘跳变特征的支持向量机细分类器 | 第33-34页 |
| ·实验结果与分析 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 车牌字符提取 | 第37-43页 |
| ·车牌字符提取算法的研究现状 | 第37-39页 |
| ·目标区域跟踪 | 第39页 |
| ·高斯隐马尔可夫模型的建立 | 第39-40页 |
| ·高斯隐马尔可夫模型下基于多帧图像的二值化算法 | 第40-41页 |
| ·实验结果与分析 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 车牌字符识别 | 第43-54页 |
| ·车牌字符识别算法的研究现状 | 第43-44页 |
| ·多类SVM 分类器的结构 | 第44-48页 |
| ·字符的特征提取 | 第48-50页 |
| ·基于支持向量机的字符识别 | 第50页 |
| ·实验结果与分析 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 第六章 总结与工作展望 | 第54-56页 |
| ·工作总结 | 第54页 |
| ·工作展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 发表论文和科研情况说明 | 第59-60页 |
| 致谢 | 第60页 |
