| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题的研究背景及意义 | 第11-12页 |
| 1.2 车牌识别研究内容与现状 | 第12-14页 |
| 1.2.1 车牌识别的组成 | 第12-13页 |
| 1.2.2 国内外研究现状 | 第13-14页 |
| 1.3 本文的研究对象 | 第14-18页 |
| 1.3.1 我国车牌特征 | 第14-15页 |
| 1.3.2 复杂场景 | 第15-18页 |
| 1.4 本文的组织结构 | 第18-19页 |
| 第2章 车牌定位与字符切分方法概述 | 第19-28页 |
| 2.1 车牌定位方法综述 | 第19-23页 |
| 2.1.1 基于边缘信息的车牌定位方法 | 第19-20页 |
| 2.1.2 基于纹理的车牌定位方法 | 第20-21页 |
| 2.1.3 基于颜色特征的车牌定位方法 | 第21-22页 |
| 2.1.4 基于机器学习算法的车牌定位方法 | 第22-23页 |
| 2.2 车牌字符切分方法概述 | 第23-27页 |
| 2.2.1 车牌倾斜校正方法 | 第23-25页 |
| 2.2.2 车牌字符切分方法 | 第25-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第3章 复杂场景下的车牌定位方法 | 第28-59页 |
| 3.1 基于逻辑回归的复杂场景分类 | 第28-35页 |
| 3.1.1 图像灰度化 | 第29页 |
| 3.1.2 图像质量评估 | 第29-33页 |
| 3.1.3 基于逻辑回归的图像场景分类 | 第33-35页 |
| 3.2 图像预处理 | 第35-42页 |
| 3.2.1 图像对比度增强 | 第36-39页 |
| 3.2.2 图像去噪 | 第39-40页 |
| 3.2.3 边缘检测与二值化 | 第40-42页 |
| 3.3 基于HSV颜色空间的辅助定位方法 | 第42-45页 |
| 3.3.1 HSV颜色空间 | 第43-44页 |
| 3.3.2 彩色图像分割 | 第44-45页 |
| 3.4 逆光场景下的车辆图像处理 | 第45-48页 |
| 3.4.1 基于形态学的明暗区域分割 | 第45-47页 |
| 3.4.2 忽略明暗边界的边缘检测与忽略0值的二值化方法 | 第47-48页 |
| 3.5 车牌粗定位 | 第48-55页 |
| 3.5.1 多尺度结构元的形态学处理 | 第48-51页 |
| 3.5.2 基于车牌先验知识的“规则过滤” | 第51-55页 |
| 3.6 车牌精确定位 | 第55-56页 |
| 3.7 实验结果与小结 | 第56-59页 |
| 3.7.1 实验与分析 | 第56-58页 |
| 3.7.2 本章小结 | 第58-59页 |
| 第4章 基于字符笔划宽度变换的车牌字符切分方法 | 第59-74页 |
| 4.1 分割字符候选区 | 第59-63页 |
| 4.1.1 SWT的原理 | 第59-61页 |
| 4.1.2 图像扩展 | 第61-62页 |
| 4.1.3 基于SWT的字符候选区分割 | 第62-63页 |
| 4.2 连通区域聚类 | 第63-65页 |
| 4.2.1 K-means聚类算法 | 第63-64页 |
| 4.2.2 基于K-means聚类的字符候选区遴选 | 第64-65页 |
| 4.3 车牌倾斜校正 | 第65-68页 |
| 4.3.1 直线拟合 | 第65-66页 |
| 4.3.2 车牌水平方向校正 | 第66-67页 |
| 4.3.3 车牌竖直方向校正 | 第67-68页 |
| 4.4 模板匹配的字符切分 | 第68-72页 |
| 4.4.1 生成车牌字符切分模板 | 第68-69页 |
| 4.4.2 模板匹配规则与终止条件 | 第69-72页 |
| 4.5 实验分析与小结 | 第72-74页 |
| 4.5.1 实验分析 | 第72-73页 |
| 4.5.2 本章小结 | 第73-74页 |
| 第5章 总结与展望 | 第74-76页 |
| 5.1 研究工作总结 | 第74-75页 |
| 5.2 研究工作展望 | 第75-76页 |
| 参考文献 | 第76-81页 |
| 致谢 | 第81-82页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第82页 |