| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 选题背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 车牌定位研究现状 | 第9-10页 |
| 1.2.2 车牌字符检测及识别研究现状 | 第10页 |
| 1.2.3 车牌识别系统研究现状 | 第10-11页 |
| 1.3 车牌识别过程概述 | 第11-12页 |
| 1.4 本文工作及章节安排 | 第12-13页 |
| 1.4.1 本文主要工作 | 第12页 |
| 1.4.2 本文章节安排 | 第12-13页 |
| 第二章 车载视频图像运动模糊复原 | 第13-26页 |
| 2.1 运动模糊图像退化模型 | 第13-14页 |
| 2.2 运动模糊图像参数估计 | 第14-19页 |
| 2.2.1 运动模糊角度估计 | 第14-17页 |
| 2.2.2 运动模糊长度估计 | 第17-18页 |
| 2.2.3 实验验证分析 | 第18-19页 |
| 2.3 运动模糊图像复原 | 第19-25页 |
| 2.3.1 车辆图像模糊程度判断 | 第19-20页 |
| 2.3.2 车辆模糊图像复原方法 | 第20-23页 |
| 2.3.3 复原结果分析与比较 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 多车牌定位技术研究 | 第26-39页 |
| 3.1 车牌特征 | 第26-27页 |
| 3.2 HSV颜色特征车牌定位算法 | 第27-30页 |
| 3.2.1 彩色空间转换 | 第27-28页 |
| 3.2.2 HSV各分量阈值选取 | 第28-29页 |
| 3.2.3 车牌候选区域获取 | 第29-30页 |
| 3.3 纹理特征车牌定位算法 | 第30-32页 |
| 3.4 融合HSV颜色特征与纹理特征的多车牌定位算法 | 第32-36页 |
| 3.4.1 特征信息融合 | 第33-35页 |
| 3.4.2 区域连通处理 | 第35页 |
| 3.4.3 多车牌区域搜索及伪车牌去除 | 第35-36页 |
| 3.5 实验结果与分析 | 第36-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第四章 车牌字符分割技术研究 | 第39-46页 |
| 4.1 车牌图像倾斜校正 | 第39-41页 |
| 4.2 车牌字符分割 | 第41-44页 |
| 4.2.1 车牌字符分割技术分析 | 第41页 |
| 4.2.2 车牌图像边框切除 | 第41-42页 |
| 4.2.3 结合车牌特征的连通区域分割 | 第42-43页 |
| 4.2.4 字符归一化 | 第43-44页 |
| 4.3 实验结果与分析 | 第44-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 基于改进卷积神经网络的车牌字符识别 | 第46-54页 |
| 5.1 车牌识别算法分析 | 第46页 |
| 5.2 卷积神经网络的研究 | 第46-48页 |
| 5.3 改进卷积神经网络的字符识别 | 第48-52页 |
| 5.3.1 改进卷积神经网络的结构 | 第48-49页 |
| 5.3.2 训练样本的选取 | 第49-50页 |
| 5.3.3 卷积神经网络的训练过程 | 第50-52页 |
| 5.4 实验结果分析 | 第52-53页 |
| 5.5 本章小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| 6.1 工作总结 | 第54页 |
| 6.2 研究展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 硕士期间研究成果 | 第60页 |