| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 车牌识别技术的研究背景 | 第8-9页 |
| 1.2 车牌识别技术的发展现状 | 第9-10页 |
| 1.3 车牌字符识别方法简介 | 第10-12页 |
| 1.3.1 车牌字符识别系统的进程组成 | 第10-11页 |
| 1.3.2 常用字符识别的方法 | 第11-12页 |
| 1.4 论文的章节架构 | 第12-13页 |
| 1.5 论文的创新点工作 | 第13-15页 |
| 第二章 车牌字符识别前的预处理步骤 | 第15-28页 |
| 2.1 车牌定位算法 | 第15-21页 |
| 2.1.1 牌照的背景知识 | 第15-16页 |
| 2.1.2 一种综合颜色特征和边缘检测的改进算法 | 第16-20页 |
| 2.1.3 实验结果分析 | 第20-21页 |
| 2.2 车牌倾斜校正 | 第21-27页 |
| 2.2.1 常见车牌校正算法 | 第21-23页 |
| 2.2.2 基于Hough变换和改进旋转投影法结合的校正算法 | 第23-27页 |
| 2.2.3 实验结果分析 | 第27页 |
| 2.3 本章小结 | 第27-28页 |
| 第三章 基于最大车牌字符间距的分层次分割新算法 | 第28-36页 |
| 3.1 引言 | 第28页 |
| 3.2 车牌的字符分割 | 第28-33页 |
| 3.2.1 垂直边框的去除 | 第28-29页 |
| 3.2.2 经典的字符分割算法 | 第29-30页 |
| 3.2.3 基于最大车牌字符间距的分层次分割算法 | 第30-33页 |
| 3.3 实验结果分析 | 第33-34页 |
| 3.4 本章小结 | 第34-36页 |
| 第四章 基于LS-SVM的字符识别及其实验分析 | 第36-47页 |
| 4.1 引言 | 第36页 |
| 4.2 车牌字符识别概述 | 第36-37页 |
| 4.3 牌照字符的归一化 | 第37-38页 |
| 4.4 特征提取与选择 | 第38-39页 |
| 4.5 LS-SVM的内容 | 第39-42页 |
| 4.5.1 相关概念 | 第39-40页 |
| 4.5.2 LS-SVM算法 | 第40-41页 |
| 4.5.3 LS-SVM的核函数 | 第41-42页 |
| 4.6 字符特征提取和分类器的构造 | 第42-44页 |
| 4.6.1 字符特征提取 | 第42-43页 |
| 4.6.2 字符分类器的构造 | 第43-44页 |
| 4.7 实验结果分析 | 第44-46页 |
| 4.8 本章小结 | 第46-47页 |
| 第五章 基于深度置信网的字符识别及其实验分析 | 第47-67页 |
| 5.1 引言 | 第47页 |
| 5.2 深度学习网络简介 | 第47-55页 |
| 5.2.1 深度学习神经网络 | 第47-48页 |
| 5.2.2 受限玻尔兹曼机 | 第48-52页 |
| 5.2.3 Softmax分类器 | 第52-55页 |
| 5.3 基于DBN的字符识别算法 | 第55-66页 |
| 5.3.1 算法步骤 | 第55-63页 |
| 5.3.2 算法结果分析 | 第63-66页 |
| 5.4 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 总结 | 第67-68页 |
| 6.2 展望 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第72-73页 |
| 致谢 | 第73页 |