基于SVM的车牌识别系统研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 课题背景和研究意义 | 第8页 |
| 1.2 车牌识别系统的组成 | 第8-9页 |
| 1.3 国内外研究现状 | 第9-12页 |
| 1.3.1 车牌定位 | 第9-10页 |
| 1.3.2 字符切分 | 第10-11页 |
| 1.3.3 字符识别 | 第11-12页 |
| 1.4 本文的主要工作 | 第12-13页 |
| 1.5 论文的结构 | 第13-15页 |
| 第2章 复杂背景下的车牌定位 | 第15-21页 |
| 2.1 车牌的规格 | 第15页 |
| 2.2 基于形态学和边缘检测的车牌定位方法 | 第15-17页 |
| 2.3 车牌图像二值化方法 | 第17页 |
| 2.4 实验结果分析 | 第17-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第3章 基于第二个字符的字符切分方法 | 第21-28页 |
| 3.1 字符切分的难点 | 第21-22页 |
| 3.2 确定车牌字符区域的上下边界 | 第22-23页 |
| 3.3 垂直投影切分法 | 第23-26页 |
| 3.4 实验结果分析 | 第26-27页 |
| 3.5 本章小结 | 第27-28页 |
| 第4章 SVM理论 | 第28-35页 |
| 4.1 SVM简介 | 第28-31页 |
| 4.1.1 SVM的基本原理 | 第28-31页 |
| 4.1.2 核函数 | 第31页 |
| 4.2 常见多类分类方法简介 | 第31-34页 |
| 4.2.1 “一对一”多类分类方法 | 第31-32页 |
| 4.2.2 “一对多”多类分类方法 | 第32-33页 |
| 4.2.3 DAG多类分类方法 | 第33-34页 |
| 4.3 本章小结 | 第34-35页 |
| 第5章 基于SVM的车牌字符识别算法研究 | 第35-53页 |
| 5.1 车牌字符分类器的构造 | 第36-38页 |
| 5.2 字符归一化 | 第38页 |
| 5.3 特征提取 | 第38-41页 |
| 5.3.1 外围轮廓特征 | 第38-39页 |
| 5.3.2 粗网格特征 | 第39页 |
| 5.3.3 两种特征提取方法的比较 | 第39-41页 |
| 5.4 参数选择 | 第41-44页 |
| 5.4.1 十折交叉验证的方法 | 第41页 |
| 5.4.2 核函数的选择 | 第41页 |
| 5.4.3 核参数的选择 | 第41-42页 |
| 5.4.4 实验结果分析 | 第42-44页 |
| 5.5 分类器的训练 | 第44-46页 |
| 5.6 “一对多”方法的改进 | 第46-47页 |
| 5.7 相似字符的二次识别 | 第47-51页 |
| 5.7.1 二次识别的方法 | 第47-50页 |
| 5.7.2 实验结果分析 | 第50-51页 |
| 5.8 车牌字符识别实验结果分析 | 第51页 |
| 5.9 本章小结 | 第51-53页 |
| 第6章 总结和展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58页 |
