| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 论文研究背景与意义 | 第9页 |
| 1.2 车牌识别系统研究现状 | 第9-11页 |
| 1.2.1 国外现状 | 第10页 |
| 1.2.2 国内现状 | 第10-11页 |
| 1.3 压缩感知理论在图像处理领域的研究现状 | 第11-13页 |
| 1.3.1 压缩感知理论在图像重构上的应用 | 第11-13页 |
| 1.3.2 压缩感知理论在图像去噪去模糊上的应用 | 第13页 |
| 1.4 论文结构与框架 | 第13-14页 |
| 第二章 车牌识别系统 | 第14-21页 |
| 2.1 引言 | 第14页 |
| 2.2 车牌识别系统组成 | 第14-16页 |
| 2.3 图像预处理及其在车牌识别系统中的重要性 | 第16-19页 |
| 2.3.1 图像预处理 | 第16页 |
| 2.3.2 图像预处理模块的重要性 | 第16-19页 |
| 2.4 车牌定位 | 第19页 |
| 2.5 字符分割 | 第19-20页 |
| 2.6 字符识别 | 第20页 |
| 2.7 本章小结 | 第20-21页 |
| 第三章 模糊图像处理算法研究 | 第21-40页 |
| 3.1 引言 | 第21页 |
| 3.2 模糊图像处理概述 | 第21-26页 |
| 3.2.1 数学模型的建立 | 第21-24页 |
| 3.2.2 运动模糊退化模型 | 第24-26页 |
| 3.2.3 运动参数估计 | 第26页 |
| 3.3 常用的模糊图像复原算法 | 第26-33页 |
| 3.3.1 逆滤波法 | 第27-28页 |
| 3.3.2 维纳滤波法 | 第28-30页 |
| 3.3.3 约束最小二乘方模糊图像复原算法 | 第30-32页 |
| 3.3.4 Richardson–Lucy 迭代非线性恢复 | 第32-33页 |
| 3.4 图像质量评价 | 第33-37页 |
| 3.4.1 主观评价 | 第33-34页 |
| 3.4.2 客观评价 | 第34-37页 |
| 3.5 实验仿真 | 第37-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第四章 压缩感知基本理论与重构算法 | 第40-56页 |
| 4.1 引言 | 第40-41页 |
| 4.2 压缩感知理论简介 | 第41-50页 |
| 4.2.1 理论框架 | 第41-42页 |
| 4.2.2 信号的稀疏表示 | 第42-44页 |
| 4.2.3 测量矩阵的设计 | 第44-49页 |
| 4.2.4 信号重构 | 第49-50页 |
| 4.3 重构算法介绍 | 第50-55页 |
| 4.3.1 基于贪婪算法的图像重构方法 | 第50-52页 |
| 4.3.2 基于凸优化的图像重建算法 | 第52-53页 |
| 4.3.3 图像重构仿真实验 | 第53-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 基于压缩感知的模糊车牌图像处理及识别 | 第56-68页 |
| 5.1 基于 L1正则化的去噪模型 | 第56-57页 |
| 5.2 基于 L1正则化的去模糊模型 | 第57-60页 |
| 5.3 基于 TV 范数的去噪、去模糊模型 | 第60-61页 |
| 5.4 仿真实验 | 第61-66页 |
| 5.6 本章小结 | 第66-68页 |
| 总结和展望 | 第68-70页 |
| 参考文献 | 第70-75页 |
| 致谢 | 第75页 |