| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 车牌定位技术研究现状及难点分析 | 第11-13页 |
| 1.3 我国车牌的特征 | 第13页 |
| 1.4 图像匹配概述及SURF算法的特点 | 第13-15页 |
| 1.4.1 图像匹配 | 第13-14页 |
| 1.4.2 SURF图像配准的特点 | 第14-15页 |
| 1.5 本论文的主要工作和结构安排 | 第15-17页 |
| 第2章 车牌图像预处理 | 第17-35页 |
| 2.1 颜色空间的选择 | 第17-20页 |
| 2.1.1 颜色空间选择的基本原则 | 第17-18页 |
| 2.1.2 Lab颜色模式简介 | 第18-20页 |
| 2.2 车牌图像灰度化处理 | 第20-21页 |
| 2.3 车牌图像的空间域滤波 | 第21-24页 |
| 2.3.1 车牌图像噪声来源 | 第21-22页 |
| 2.3.2 空间域滤波常用方法 | 第22-24页 |
| 2.4 图像二值化 | 第24-25页 |
| 2.5 图像边缘检测方法 | 第25-34页 |
| 2.5.1 传统边缘检测算法 | 第26-29页 |
| 2.5.2 改进的形态学边缘检测算法 | 第29-33页 |
| 2.5.3 实验结果分析 | 第33-34页 |
| 2.6 本章小结 | 第34-35页 |
| 第3章 SURF图像特征提取与匹配方法 | 第35-47页 |
| 3.1 SURF特征提取 | 第35-40页 |
| 3.1.1 特征点检测 | 第35-39页 |
| 3.1.2 特征点描述 | 第39-40页 |
| 3.2 SURF特征点匹配 | 第40-45页 |
| 3.2.1 Hessian矩阵进行初始判断 | 第40-41页 |
| 3.2.2 KD-Tree和BBF | 第41-44页 |
| 3.2.3 RANSAC算法 | 第44-45页 |
| 3.3 SURF特征提取与匹配的实际效果 | 第45-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第4章 基于特征融合的车牌区域粗定位 | 第47-57页 |
| 4.1 车牌初定位流程 | 第47页 |
| 4.2 基于Lab颜色空间的区域分割 | 第47-50页 |
| 4.2.1 基于Lab颜色空间的车牌区域分割步骤 | 第48页 |
| 4.2.2 实验结果及分析 | 第48-50页 |
| 4.3 基于灰度纹理特征的区域分割 | 第50-52页 |
| 4.3.1 基于灰度纹理特征的区域分割算法步骤 | 第51页 |
| 4.3.2 实验结果及分析 | 第51-52页 |
| 4.4 特征融合结果及分析 | 第52-56页 |
| 4.4.1 区域融合规则 | 第53-54页 |
| 4.4.2 融合结果及分析 | 第54-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第5章 基于SURF特征匹配的车牌区域精确定位 | 第57-65页 |
| 5.1 车牌精确定位算法基本流程 | 第57-58页 |
| 5.2 基于SURF特征和BBF搜索的车牌精确定位 | 第58-61页 |
| 5.2.1 精确定位实现过程 | 第58-60页 |
| 5.2.2 性能对比分析 | 第60-61页 |
| 5.3 车牌倾斜校正及铆钉和边框的去除 | 第61-63页 |
| 5.3.1 变换矩阵的求得和车牌倾斜校正 | 第61-62页 |
| 5.3.2 边框及铆钉去除 | 第62-63页 |
| 5.3.3 仿真结果及分析 | 第63页 |
| 5.4 本章小结 | 第63-65页 |
| 第6章 总结与展望 | 第65-67页 |
| 6.1 本文总结 | 第65-66页 |
| 6.2 研究展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 攻读硕士期间发表的学术论文 | 第70-71页 |
| 致谢 | 第71-72页 |