| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-16页 |
| ·课题的研究意义和目的 | 第8-9页 |
| ·车牌定位的研究现状 | 第9-10页 |
| ·车牌定位算法综述及其难点分析 | 第10-14页 |
| ·本文研究的主要内容和结构安排 | 第14-16页 |
| 2 AdaBoost 车牌定位算法的理论基础 | 第16-22页 |
| ·基本概念 | 第16-17页 |
| ·集成学习 | 第16页 |
| ·弱分类器 | 第16页 |
| ·样本集合 | 第16-17页 |
| ·假设 | 第17页 |
| ·分布 | 第17页 |
| ·误判率 | 第17页 |
| ·AdaBoost 算法理论基础 | 第17-22页 |
| ·DAB 算法 | 第18-19页 |
| ·RAB 算法 | 第19-22页 |
| 3 基于Haar 特征的AdaBoost 车牌定位算法 | 第22-32页 |
| ·基于Haar 特征的AdaBoost 车牌定位算法概述 | 第22-23页 |
| ·样本来源 | 第23-24页 |
| ·Haar 特征与积分图 | 第24-27页 |
| ·样本的预处理 | 第27-28页 |
| ·AdaBoost 算法的学习过程 | 第28-29页 |
| ·提取Haar 特征 | 第28-29页 |
| ·弱分类器的生成 | 第29页 |
| ·强分类器的生成 | 第29页 |
| ·Cascade 结构 | 第29-32页 |
| ·Cascade 结构原理 | 第29-30页 |
| ·Cascade 结构的设计 | 第30-31页 |
| ·Cascade 结构分析 | 第31-32页 |
| 4 分级车牌定位算法 | 第32-57页 |
| ·车牌的特征分析 | 第32-35页 |
| ·图像预处理 | 第35-39页 |
| ·图像灰度化 | 第35页 |
| ·图像增强 | 第35-39页 |
| ·车牌的粗定位 | 第39-49页 |
| ·竖直边缘提取 | 第39-42页 |
| ·候选车牌提取算法 | 第42-46页 |
| ·结果分析 | 第46-49页 |
| ·车牌的几何校正 | 第49-51页 |
| ·车牌的精定位 | 第51-56页 |
| ·本章小节 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第64-65页 |
| 致谢 | 第65-66页 |