浓雾天气下基于改进的大气散射模型和CNN的车牌识别
| 学位论文的主要创新点 | 第3-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文研究目的和研究内容 | 第13-15页 |
| 1.3.1 研究目的 | 第13-14页 |
| 1.3.2 研究内容 | 第14-15页 |
| 1.4 论文结构 | 第15-17页 |
| 第二章 基于改进的大气散射模型的图像去雾 | 第17-37页 |
| 2.1 浓雾检测 | 第17-18页 |
| 2.2 图像去雾 | 第18-34页 |
| 2.2.1 视网膜皮层(Retinex)理论 | 第19-20页 |
| 2.2.2 大气散射原理 | 第20-25页 |
| 2.2.3 基于先验知识的图像去雾算法 | 第25-28页 |
| 2.2.4 改进的大气散射去雾模型 | 第28-29页 |
| 2.2.5 模型参数估计 | 第29-34页 |
| 2.3 本章小结 | 第34-37页 |
| 第三章 浓雾天气下的车牌识别系统 | 第37-53页 |
| 3.1 车辆检测 | 第37-38页 |
| 3.2 车牌定位 | 第38-43页 |
| 3.2.1 我国车牌特征 | 第39-40页 |
| 3.2.2 车牌定位 | 第40-43页 |
| 3.3 字符分割 | 第43-45页 |
| 3.3.1 车牌图像增强 | 第43-44页 |
| 3.3.2 基于投影法的字符分割 | 第44-45页 |
| 3.4 字符识别 | 第45-50页 |
| 3.4.1 卷积神经网络(CNN)模型 | 第45-47页 |
| 3.4.2 基于卷积神经网络(CNN)的字符识别 | 第47-50页 |
| 3.5 本章小结 | 第50-53页 |
| 第四章 浓雾天气下车牌识别实验结果及分析 | 第53-61页 |
| 4.1 实验数据集 | 第53-54页 |
| 4.2 实验结果与分析 | 第54-59页 |
| 4.3 本章小结 | 第59-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 总结 | 第61-62页 |
| 5.2 展望 | 第62-63页 |
| 参考文献 | 第63-69页 |
| 发表论文和参加科研情况说明 | 第69-71页 |
| 致谢 | 第71页 |
