特定环境下新能源汽车车牌识别算法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究的背景与意义 | 第10-11页 |
| 1.1.1 研究的背景 | 第10-11页 |
| 1.1.2 研究的意义 | 第11页 |
| 1.2 国内外研究现状和发展趋势 | 第11-14页 |
| 1.2.1 国内研究现状 | 第11-12页 |
| 1.2.2 国外研究现状 | 第12-13页 |
| 1.2.3 发展趋势 | 第13-14页 |
| 1.3 本文研究的主要内容及技术路线 | 第14-15页 |
| 1.3.1 主要研究内容 | 第14页 |
| 1.3.2 技术路线 | 第14-15页 |
| 1.4 实验设备 | 第15-18页 |
| 1.4.1 试验设备 | 第15-16页 |
| 1.4.2 试验样本图像库 | 第16-18页 |
| 第2章 特定环境下车牌识别系统概述 | 第18-29页 |
| 2.1 新能源车牌的主要特征 | 第18-20页 |
| 2.1.1 新能源车牌的几何特征 | 第18-19页 |
| 2.1.2 新能源车牌的颜色特征 | 第19页 |
| 2.1.3 新能源车牌的灰度特征 | 第19-20页 |
| 2.2 新能源车牌识别系统概述 | 第20-22页 |
| 2.2.1 车牌识别系统的作用 | 第20页 |
| 2.2.2 车牌识别系统的基本原理 | 第20-21页 |
| 2.2.3 车牌识别系统的构成 | 第21-22页 |
| 2.3 车牌图像处理基础 | 第22-28页 |
| 2.3.1 图像的直方图 | 第22-23页 |
| 2.3.2 图像的几何变换 | 第23-26页 |
| 2.3.3 图像降噪 | 第26-28页 |
| 2.4 小结 | 第28-29页 |
| 第3章 特定环境下车牌图像增强与定位算法研究 | 第29-50页 |
| 3.1 日间图像增强算法 | 第29-31页 |
| 3.1.1 双边伽马算法 | 第29页 |
| 3.1.2 双边伽马变换自适应增强算法 | 第29-30页 |
| 3.1.3 日间图像增强算法实验 | 第30-31页 |
| 3.2 夜间图像增强算法 | 第31-34页 |
| 3.2.1 分段线性变换法 | 第31-32页 |
| 3.2.2 高频滤波拉氏法 | 第32-33页 |
| 3.2.3 夜间图像增强算法实验 | 第33-34页 |
| 3.3 雾霾天图像增强算法 | 第34-40页 |
| 3.3.1 同态滤波 | 第36-37页 |
| 3.3.2 多尺度Retinex算法 | 第37-38页 |
| 3.3.3 MSRCR算法 | 第38-39页 |
| 3.3.4 HF.MSRCR算法 | 第39页 |
| 3.3.5 改进的HF.MSRCR算法 | 第39-40页 |
| 3.3.6 雾霾天图像增强算法实验 | 第40页 |
| 3.4 车牌定位的基本方法 | 第40-41页 |
| 3.5 车牌的粗定位 | 第41-43页 |
| 3.5.1 基于色彩的车牌粗定位 | 第41-42页 |
| 3.5.2 基于形态学车牌粗定位 | 第42-43页 |
| 3.6 车牌的精定位 | 第43-48页 |
| 3.6.1 基于梯度的边缘检测 | 第43-45页 |
| 3.6.2 Kirsch算子边缘检测 | 第45-46页 |
| 3.6.3 改进的Kirsch算子边缘检测 | 第46-47页 |
| 3.6.4 车牌定位实验 | 第47-48页 |
| 3.6.5 车牌的倾斜矫正 | 第48页 |
| 3.7 小结 | 第48-50页 |
| 第4章 特定环境下车牌字符分割算法研究 | 第50-59页 |
| 4.1 LBF算法 | 第50-52页 |
| 4.1.1 LBF算法原理 | 第50-51页 |
| 4.1.2 LBF算法车牌字符分割实验 | 第51-52页 |
| 4.2 改进LBF算法 | 第52-54页 |
| 4.2.1 改进LBF算法原理 | 第52-53页 |
| 4.2.2 改进LBF算法实验 | 第53-54页 |
| 4.3 GrabCut算法 | 第54-55页 |
| 4.3.1 GrabCut算法原理 | 第54-55页 |
| 4.3.2 GrabCut算法实验 | 第55页 |
| 4.4 改进GrabCut算法 | 第55-58页 |
| 4.4.1 改进GrabCut算法 | 第56-57页 |
| 4.4.2 改进GrabCut算法实验 | 第57-58页 |
| 4.5 小结 | 第58-59页 |
| 第5章 特定环境下车牌字符识别研究 | 第59-69页 |
| 5.1 字符识别算法综述 | 第59-60页 |
| 5.2 卷积神经网络 | 第60-63页 |
| 5.2.1 卷积神经网络结构 | 第61页 |
| 5.2.2 卷积层 | 第61-62页 |
| 5.2.3 池化层 | 第62页 |
| 5.2.4 激活函数 | 第62-63页 |
| 5.2.5 全连接层 | 第63页 |
| 5.3 基于卷积神经网络的车牌字符识别 | 第63-66页 |
| 5.3.1 建立数据集 | 第64页 |
| 5.3.2 网络结构 | 第64-65页 |
| 5.3.3 网络训练 | 第65-66页 |
| 5.4 车牌字符识别试验 | 第66-67页 |
| 5.5 小结 | 第67-69页 |
| 第6章 总结与展望 | 第69-71页 |
| 6.1 总结 | 第69页 |
| 6.2 展望 | 第69-71页 |
| 参考文献 | 第71-76页 |
| 致谢 | 第76页 |
