复杂背景下车牌识别系统的研究与实现
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4页 |
| 1 绪论 | 第7-12页 |
| 1.1 研究背景与意义 | 第7页 |
| 1.2 国内外研究现状 | 第7-8页 |
| 1.3 国内车牌与系统实现难点分析 | 第8-10页 |
| 1.3.1 国内车牌分析 | 第8-10页 |
| 1.3.2 国内车牌识别难点分析 | 第10页 |
| 1.4 本文研究内容 | 第10页 |
| 1.5 论文章节安排 | 第10-12页 |
| 2 系统结构设计及理论技术基础 | 第12-21页 |
| 2.1 系统结构设计 | 第12页 |
| 2.1.1 系统流程图 | 第12页 |
| 2.1.2 系统技术路线 | 第12页 |
| 2.2 系统理论及技术基础 | 第12-20页 |
| 2.2.1 颜色空间 | 第13-14页 |
| 2.2.2 车牌图像的去噪 | 第14-15页 |
| 2.2.3 车牌图像的增强 | 第15页 |
| 2.2.4 车牌图像的边缘检测 | 第15-16页 |
| 2.2.5 车牌图像的二值化 | 第16-17页 |
| 2.2.6 分类器 | 第17-20页 |
| 2.3 本章小结 | 第20-21页 |
| 3 车牌定位 | 第21-31页 |
| 3.1 车牌定位方法概述 | 第21-22页 |
| 3.2 车牌定位方法分析 | 第22-24页 |
| 3.2.1 采集图像预处理 | 第22-23页 |
| 3.2.2 车牌定位算法介绍 | 第23-24页 |
| 3.3 本文采取的车牌定位方法 | 第24-29页 |
| 3.3.1 OTSU算法 | 第25-26页 |
| 3.3.2 车牌图像的验证 | 第26-27页 |
| 3.3.3 车牌倾斜矫正 | 第27-28页 |
| 3.3.4 基于字符精确行定位 | 第28-29页 |
| 3.4 实验结果与分析 | 第29-31页 |
| 3.4.1 实验结果 | 第29-30页 |
| 3.4.2 实验分析 | 第30-31页 |
| 4 车牌字符分割 | 第31-38页 |
| 4.1 车牌字符分割方法概述 | 第31页 |
| 4.2 车牌字符分割方法分析 | 第31-32页 |
| 4.2.1 车牌的反色分析 | 第31-32页 |
| 4.2.2 车牌字符分割法分析 | 第32页 |
| 4.3 本文采取的车牌字符分割方法 | 第32-37页 |
| 4.3.1 基于SVM的车牌反色 | 第33-34页 |
| 4.3.2 CASDA二值化 | 第34-35页 |
| 4.3.3 基于车牌字符结构的车牌字符分割 | 第35-37页 |
| 4.4 本章小结 | 第37-38页 |
| 5 车牌字符识别 | 第38-43页 |
| 5.1 车牌字符识别方法概述 | 第38页 |
| 5.2 车牌字符识别方法分析 | 第38-40页 |
| 5.2.1 模板匹配法 | 第38-39页 |
| 5.2.2 BP神经网络法 | 第39-40页 |
| 5.2.3 SVM法 | 第40页 |
| 5.3 本文采取的车牌字符识别方法 | 第40-41页 |
| 5.3.1 SIFT特征 | 第40-41页 |
| 5.3.2 基于LibSVM字符识别 | 第41页 |
| 5.4 本章小结 | 第41-43页 |
| 6 系统实现与实验分析 | 第43-48页 |
| 6.1 系统实现 | 第43-44页 |
| 6.2 实验分析 | 第44-48页 |
| 7 总结与展望 | 第48-50页 |
| 7.1 总结 | 第48页 |
| 7.2 展望 | 第48-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-54页 |
