| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 课题的研究背景和意义 | 第8页 |
| 1.2 车牌识别技术的发展概述 | 第8-10页 |
| 1.2.1 研究现状 | 第8-9页 |
| 1.2.2 技术难点 | 第9-10页 |
| 1.3 车标识别技术的发展概述 | 第10-11页 |
| 1.3.1 研究现状 | 第10-11页 |
| 1.3.2 技术难点 | 第11页 |
| 1.4 本文的主要工作 | 第11-12页 |
| 1.5 本文的结构安排 | 第12-13页 |
| 第2章 图像预处理理论及车牌检测 | 第13-19页 |
| 2.1 图像预处理 | 第13-15页 |
| 2.1.1 图像灰度化 | 第13页 |
| 2.1.2 图像去噪 | 第13-14页 |
| 2.1.3 边缘检测 | 第14页 |
| 2.1.4 图像二值化 | 第14-15页 |
| 2.1.5 尺寸归一化 | 第15页 |
| 2.2 车牌检测 | 第15-18页 |
| 2.2.1 基于Haar-like特征结合AdaBoost算法的车牌检测 | 第15-18页 |
| 2.2.3 实验结果 | 第18页 |
| 2.3 本章小结 | 第18-19页 |
| 第3章 车牌字符分割 | 第19-32页 |
| 3.1 引言 | 第19-20页 |
| 3.2 车牌图像预处理 | 第20-27页 |
| 3.2.1 水平矫正及上下边界提取 | 第21-23页 |
| 3.2.2 车牌反色判断 | 第23-24页 |
| 3.2.3 垂直矫正及左右边界提取 | 第24-27页 |
| 3.3 动态模板结合非零像素点的字符分割算法 | 第27-30页 |
| 3.3.1 设置车牌模板 | 第28-29页 |
| 3.3.2 模板滑动处理 | 第29-30页 |
| 3.4 实验结果及分析 | 第30-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第4章 车牌字符识别 | 第32-47页 |
| 4.1 引言 | 第32-33页 |
| 4.2 字符图像归一化 | 第33页 |
| 4.3 特征提取 | 第33-35页 |
| 4.4 支持向量机原理 | 第35-40页 |
| 4.4.1 SVM数学模型 | 第35-38页 |
| 4.4.2 核函数 | 第38-39页 |
| 4.4.3 SVM多类分类方法 | 第39-40页 |
| 4.5 基于SVM的字符识别 | 第40-41页 |
| 4.5.1 字符数据库介绍 | 第40页 |
| 4.5.2 SVM核函数与参数选择 | 第40-41页 |
| 4.5.3 实验结果及分析 | 第41页 |
| 4.6 字符训练库的设定对分类器性能的影响 | 第41-46页 |
| 4.7 本章小结 | 第46-47页 |
| 第5章 基于车牌定位的车标定位 | 第47-65页 |
| 5.1 引言 | 第47-48页 |
| 5.2 车标的粗定位 | 第48-54页 |
| 5.3 水平竖直散热网区分算法 | 第54-56页 |
| 5.4 车标精确定位 | 第56-59页 |
| 5.4.1 水平散热网车标定位 | 第56-58页 |
| 5.4.2 竖址散热网车标定位 | 第58-59页 |
| 5.5 实验结果及分析 | 第59-63页 |
| 5.5.1 本文方法的实验结果 | 第59-60页 |
| 5.5.2 基于模板匹配的车标定位方法 | 第60-61页 |
| 5.5.3 本文方法与基于模板匹配的车标定位方法结果比较 | 第61-63页 |
| 5.6 本章小结 | 第63-65页 |
| 第6章 基于HOG和SVM的车标识别 | 第65-78页 |
| 6.1 引言 | 第65-66页 |
| 6.2 常用车标特征 | 第66-69页 |
| 6.3 HOG特征提取算法 | 第69-72页 |
| 6.4 基于HOG+SVM的车标识别 | 第72-77页 |
| 6.4.1 车标库建立 | 第72页 |
| 6.4.2 SVM核函数与参数选择 | 第72-73页 |
| 6.4.3 实验结果及分析 | 第73-77页 |
| 6.5 本章小结 | 第77-78页 |
| 第7章 总结与展望 | 第78-80页 |
| 7.1 研究工作总结 | 第78页 |
| 7.2 未来工作展望 | 第78-80页 |
| 参考文献 | 第80-83页 |
| 攻读硕士学位期间主要科研成果 | 第83-84页 |
| 致谢 | 第84-85页 |