摘要 | 第4-5页 |
abstract | 第5-6页 |
第1章 绪论 | 第10-17页 |
1.1 选题背景及研究意义 | 第10-11页 |
1.2 研究现状及相关工作 | 第11-13页 |
1.3 研究难点 | 第13-14页 |
1.3.1 自然环境问题 | 第13页 |
1.3.2 车牌定位的复杂性问题 | 第13页 |
1.3.3 车牌字符的二值化问题 | 第13页 |
1.3.4 识别效率和准确率难以兼顾的问题 | 第13-14页 |
1.4 论文主要工作 | 第14-15页 |
1.5 论文内容安排 | 第15-17页 |
第2章 车牌定位算法的研究 | 第17-39页 |
2.1 引言 | 第17-19页 |
2.1.1 车牌的类型和特点 | 第17-18页 |
2.1.2 常用的车牌定位算法 | 第18-19页 |
2.2 车牌区域的粗定位 | 第19-27页 |
2.2.1 图像预处理 | 第20-23页 |
2.2.2 车牌检测及定位 | 第23-27页 |
2.3 车牌图像的倾斜校正 | 第27-31页 |
2.3.1 倾斜角的确定 | 第27-30页 |
2.3.2 图像的仿射变换 | 第30-31页 |
2.4 车牌区域的精确定位 | 第31-38页 |
2.4.1 基于HSV颜色模型的车牌底色判断 | 第31-34页 |
2.4.2 基于FloodFill算法的车牌精确定位 | 第34-38页 |
2.5 本章小结 | 第38-39页 |
第3章 字符分割算法的研究 | 第39-51页 |
3.1 引言 | 第39页 |
3.2 车牌区域的二值化 | 第39-46页 |
3.2.1 常用的二值化方法分析 | 第39-43页 |
3.2.2 基于颜色相似聚类的二值分割方法 | 第43-46页 |
3.3 常用字符分割算法分析 | 第46-47页 |
3.3.1 基于垂直投影法的字符分割方法 | 第46页 |
3.3.2 基于联通分析的字符分割方法 | 第46页 |
3.3.3 基于轮廓检测的字符分割方法 | 第46-47页 |
3.4 基于垂直投影的字符分割 | 第47-49页 |
3.5 字符图像的预处理 | 第49-50页 |
3.5.1 字符的去噪 | 第49页 |
3.5.2 位置归一化 | 第49页 |
3.5.3 尺寸归一化 | 第49-50页 |
3.6 本章小结 | 第50-51页 |
第4章 字符识别算法的研究 | 第51-65页 |
4.1 引言 | 第51页 |
4.2 字符特征提取 | 第51-54页 |
4.2.1 字符特征选取的原则 | 第51页 |
4.2.2 常用字符特征提取方法 | 第51-54页 |
4.3 常用字符识别方法分析 | 第54-58页 |
4.3.1 模板匹配 | 第54页 |
4.3.2 朴素贝叶斯 | 第54-55页 |
4.3.3 BP神经网络 | 第55-58页 |
4.4 基于AdaBoost和BP神经网络相结合的字符识别方法 | 第58-64页 |
4.4.1 BP神经网络的缺陷与局部改进 | 第58-60页 |
4.4.2 BP神经网络分类器的改进分析 | 第60-61页 |
4.4.3 基于AdaBoost算法的BP神经网络的字符识别模型 | 第61-64页 |
4.5 本章小结 | 第64-65页 |
第5章 仿真实验与结果分析 | 第65-76页 |
5.1 仿真实验环境的部署 | 第65-66页 |
5.1.1 仿真实验数据的采集实验 | 第65页 |
5.1.2 仿真实验平台的搭建 | 第65-66页 |
5.2 字符特征值提取方法的仿真实验与结果分析 | 第66-69页 |
5.2.1 字符特征选取的比较 | 第66-69页 |
5.2.2 字符特征提取设计 | 第69页 |
5.3 字符识别方法的仿真实验与结果分析 | 第69-75页 |
5.3.1 网络拓扑结构设计 | 第69-70页 |
5.3.2 激活函数的选取 | 第70-71页 |
5.3.3 输出编码设计 | 第71-72页 |
5.3.4 字符识别的实验结果与分析 | 第72-75页 |
5.4 本章小结 | 第75-76页 |
第6章 总结与展望 | 第76-78页 |
6.1 总结 | 第76-77页 |
6.2 展望 | 第77-78页 |
致谢 | 第78-79页 |
参考文献 | 第79-82页 |
攻读硕士学位期间的研究成果 | 第82页 |