| 中文摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 选题背景和意义 | 第9-10页 |
| 1.2 国内外研究发展现状 | 第10-14页 |
| 1.2.1 车牌定位 | 第11-12页 |
| 1.2.2 字符分割 | 第12-13页 |
| 1.2.3 字符识别 | 第13-14页 |
| 1.3 论文的主要工作 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-17页 |
| 第二章 车牌定位算法 | 第17-31页 |
| 2.1 灰度边缘算法 | 第17-21页 |
| 2.1.1 灰度转换 | 第17-18页 |
| 2.1.2 边缘提取 | 第18-19页 |
| 2.1.3 二值化 | 第19-21页 |
| 2.2 彩色边缘算法 | 第21-26页 |
| 2.2.1 蓝白车牌 | 第22页 |
| 2.2.2 黄黑车牌 | 第22-23页 |
| 2.2.3 与灰度边缘算法的对比 | 第23-24页 |
| 2.2.4 彩色边缘阈值参数的作用 | 第24-26页 |
| 2.3 形态学分析 | 第26-30页 |
| 2.3.1 边缘密度二值图 | 第27-29页 |
| 2.3.2 连通分量分析 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 车牌分割算法 | 第31-45页 |
| 3.1 基于彩色抑制的灰度转换算法 | 第32-34页 |
| 3.2 精确重定位 | 第34-36页 |
| 3.2.1 行重定位 | 第34-36页 |
| 3.2.2 列重定位 | 第36页 |
| 3.3 基于连通分量分析的车牌分割算法 | 第36-41页 |
| 3.3.1 中国车牌字符分布 | 第37页 |
| 3.3.2 缺失一字符情况 | 第37-39页 |
| 3.3.3 缺失两字符情况 | 第39-41页 |
| 3.4 基于垂直投影的车牌分割算法 | 第41-44页 |
| 3.4.1 垂直投影分割算法 | 第42-43页 |
| 3.4.2 字符恢复算法 | 第43页 |
| 3.4.3 首字符分辨算法 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于卷积神经网络的车牌字符识别算法 | 第45-64页 |
| 4.1 传统卷积神经网络结构及不足 | 第45-52页 |
| 4.1.1 网络结构 | 第45-47页 |
| 4.1.2 卷积实现 | 第47-52页 |
| 4.2 简化卷积神经网络 | 第52-53页 |
| 4.2.1 网络模型 | 第52-53页 |
| 4.3 递归卷积神经网络 | 第53-56页 |
| 4.3.1 递归结构及递归过程 | 第54-56页 |
| 4.4 网络训练 | 第56-63页 |
| 4.4.1 误差定义 | 第56-57页 |
| 4.4.2 参数更新 | 第57-61页 |
| 4.4.2.1 Softmax层 | 第57-59页 |
| 4.4.2.2 隐层 | 第59-60页 |
| 4.4.2.3 卷积层 | 第60-61页 |
| 4.4.3 训练流程控制 | 第61-62页 |
| 4.4.4 初始化、正则惩罚项、Dropout及迭代衰减 | 第62-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第五章 实验结果与性能分析 | 第64-74页 |
| 5.1 定位实验 | 第64-65页 |
| 5.2 分割实验 | 第65-66页 |
| 5.3 车牌字符识别实验 | 第66-72页 |
| 5.4 系统性能分析 | 第72-74页 |
| 第六章 总结与展望 | 第74-76页 |
| 6.1 工作总结与创新点 | 第74-75页 |
| 6.2 后续工作展望 | 第75-76页 |
| 参考文献 | 第76-81页 |
| 攻读硕士学位期间科研论文 | 第81-82页 |
| 致谢 | 第82-83页 |