| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题的研究背景及意义 | 第8-10页 |
| 1.1.1 智能交通系统 | 第8-9页 |
| 1.1.2 车牌识别系统 | 第9-10页 |
| 1.2 国内外研究现状及研究难题 | 第10-11页 |
| 1.2.1 国内外研究现状 | 第10页 |
| 1.2.2 研究难题 | 第10-11页 |
| 1.3 本文的研究工作和内容 | 第11-13页 |
| 1.4 本文组织安排 | 第13-14页 |
| 第二章 交通图像预处理 | 第14-22页 |
| 2.1 图像的灰度化 | 第14-15页 |
| 2.2 图像的二值化 | 第15-16页 |
| 2.3 图像的平滑滤波处理 | 第16-18页 |
| 2.4 图像的边缘检测 | 第18-21页 |
| 2.4.1 梯度算子 | 第18-19页 |
| 2.4.2 微分算子 | 第19-20页 |
| 2.4.3 Canny算子 | 第20页 |
| 2.4.4 边缘检测实验结果及分析 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第三章 交通图像中车牌识别算法 | 第22-30页 |
| 3.1 车牌定位算法 | 第22-24页 |
| 3.2 字符分割算法 | 第24-26页 |
| 3.2.1 字符分割简介 | 第25-26页 |
| 3.2.2 基于边缘检测的字符分割算法 | 第26页 |
| 3.3 字符识别算法 | 第26-29页 |
| 3.3.1 字符识别难点 | 第27页 |
| 3.3.2 常用字符识别算法 | 第27-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第四章 基于图像遮挡的多视角融合 | 第30-48页 |
| 4.1 遮挡图像的处理 | 第30-32页 |
| 4.1.1 遮挡判断 | 第30-31页 |
| 4.1.2 遮挡处理及实验结果分析 | 第31-32页 |
| 4.2 车牌识别 | 第32-40页 |
| 4.2.1 基于角点检测与纹理特征相结合的定位方法 | 第32-35页 |
| 4.2.2 基于 K-L 展开式的车牌倾斜校正 | 第35-37页 |
| 4.2.3 基于边缘增强的模板匹配算法 | 第37-40页 |
| 4.3 多视角数据融合 | 第40-43页 |
| 4.3.1 常用数据融合算法 | 第40-42页 |
| 4.3.2 置信度 | 第42-43页 |
| 4.4 基于置信度决策的融合算法 | 第43-44页 |
| 4.5 实验结果及分析 | 第44-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第五章 总结与展望 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 发表论文和参加科研情况说明 | 第54-55页 |
| 致谢 | 第55页 |