复杂背景下基于HSV颜色空间和模板匹配的车牌识别算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景和意义 | 第11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.2.1 车牌定位技术研究现状 | 第12页 |
| 1.2.2 车牌校正研究现状 | 第12-13页 |
| 1.2.3 车牌字符分割研究现状 | 第13页 |
| 1.2.4 车牌字符识别的研究现状 | 第13-14页 |
| 1.3 我国车牌识别技术的难点 | 第14-15页 |
| 1.4 论文内容及组织形式 | 第15-17页 |
| 第二章 车牌定位 | 第17-29页 |
| 2.1 引言 | 第17页 |
| 2.2 颜色模型 | 第17-20页 |
| 2.2.1 RGB颜色模型 | 第18-19页 |
| 2.2.2 YUV颜色模型 | 第19页 |
| 2.2.3 HSV颜色模型 | 第19-20页 |
| 2.3 常见车牌定位方法 | 第20-21页 |
| 2.3.1 基于灰度信息的定位方法 | 第20-21页 |
| 2.3.2 基于彩色信息的定位方法 | 第21页 |
| 2.4 本文的车牌定位方法 | 第21-27页 |
| 2.5 实验结果 | 第27页 |
| 2.6 本章小结 | 第27-29页 |
| 第三章 车牌校正 | 第29-39页 |
| 3.1 引言 | 第29页 |
| 3.2 常见的车牌倾斜校正算法 | 第29-30页 |
| 3.2.1 基于hough变换的倾斜校正算法 | 第29页 |
| 3.2.2 基于旋转投影的倾斜校正算法 | 第29-30页 |
| 3.2.3 基于K-L展开式的倾斜校正算法 | 第30页 |
| 3.3 本文的倾斜校正算法 | 第30-34页 |
| 3.3.1 水平倾斜校正 | 第31-33页 |
| 3.3.2 垂直倾斜校正 | 第33-34页 |
| 3.4 本文的边框去除算法 | 第34-37页 |
| 3.5 实验结果 | 第37页 |
| 3.6 本章小结 | 第37-39页 |
| 第四章 车牌字符分割 | 第39-53页 |
| 4.1 引言 | 第39页 |
| 4.2 图像二值化 | 第39-43页 |
| 4.3 常见的车牌字符分割方法 | 第43-45页 |
| 4.4 本文的车牌字符分割方法 | 第45-51页 |
| 4.5 实验结果 | 第51-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第五章 车牌字符识别 | 第53-63页 |
| 5.1 引言 | 第53页 |
| 5.2 常见的字符识别算法 | 第53-54页 |
| 5.2.1 模板匹配方法 | 第53页 |
| 5.2.2 神经网络方法 | 第53-54页 |
| 5.3 支持向量机介绍 | 第54-59页 |
| 5.3.1 线性分类 | 第55-57页 |
| 5.3.2 非线性分类 | 第57-59页 |
| 5.4 特征提取 | 第59-60页 |
| 5.5 SVM分类器 | 第60-61页 |
| 5.6 实验结果 | 第61-62页 |
| 5.7 本章小结 | 第62-63页 |
| 第六章 总结和展望 | 第63-65页 |
| 6.1 本文工作总结 | 第63-64页 |
| 6.2 下一步的研究方向 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第71页 |
