封面 书名页 版权页 前言 目录页 第一章 绪论 1.1 车牌号码识别系统 1.2 研究现状及水平 1.2.1 车牌区域定位方法 1.2.2 车牌倾斜校正方法 1.2.3 车牌字符分割方法 1.3 研究内容与结构安排 第二章 数学形态学研究 2.1 数学形态学基本概念 2.1.1 基本符号和术语 2.1.2 交集、并集和补集 2.1.3 击中（hit）与击不中（miss） 2.1.4 平移与反射 2.1.5 目标和结构元素 2.2 二值形态学 2.2.1 腐蚀 2.2.2 膨胀 2.2.3 腐蚀和膨胀性质 2.2.4 开运算和闭运算 2.2.5 击中/击不中（hit/miss）变换 2.3 灰度形态学 2.3.1 灰度腐蚀 2.3.2 灰度膨胀 2.3.3 灰度开、闭运算 2.4 本章小结 第三章 图像特征研究 3.1 统计特征 3.1.1 平均值（数学期望）、众数、中值和值域 3.1.2 标准差/方差 3.1.3 图像矩 3.1.4 图像熵 3.2 颜色特征 3.2.1 颜色模型 3.2.2 颜色特征描述 3.3 几何（边缘）特征 3.3.1 位置与方向 3.3.2 周长 3.3.3 面积 3.3.4 长轴和短轴 3.3.5 距离 3.4 形状特征 3.4.1 区域特征 3.4.2 轮廓特征 3.5 纹理特征 3.5.1 统计分析方法 3.5.2 结构分析方法 3.5.3 信号处理方法 3.5.4 模型方法 3.6 其他特征 3.6.1 SIFT特征 3.6.2 HOG特征 3.6.3 Haar特征 3.7 本章小结 第四章 基于形态学和几何特征的车牌定位方法研究 4.1 相关定义及原理 4.2 基于形态学和几何特征的车牌定位方法 4.2.1 计算车牌图像统计特征 4.2.2 多结构元素数学形态学背景估计 4.2.4 确定车牌区域 4.3 模拟试验和结果分析 4.3.1 随机抓拍图像试验及结果 4.3.2 真实环境试验及结果 4.4 本章小结 第五章 车牌图像二值化方法 5.1 图像二值化方法 5.1.1 全局阈值 5.1.2 局部阈值 5.1.3 动态阈值 5.2 基于人类视觉特性的车牌图像二值化方法 5.2.1 BHVS过程 5.2.2 模拟试验和结果比较 5.3 基于SOFM神经网络的图像融合二值化方法 5.3.1 FBSOM过程 5.3.2 模拟试验和结果比较 5.4 本章小结 第六章 车牌图像倾斜校正方法 6.1 Hough变换 6.2 Radon变换 6.3 二值化车牌图像倾斜模型 6.4 基于图像矩的车牌号码倾斜校正方法 6.4.1 车牌号码倾斜校正 6.4.2 模拟试验和结果分析 6.5 基于图像坐标特征向量倾斜校正方法 6.5.1 基于SVD的车牌倾斜校正方法 6.5.2 模拟试验和结果分析 6.6 基于图像坐标聚类倾斜校正方法 6.6.1 基于聚类方法车牌倾斜校正方法 6.6.2 模拟试验和结果分析 6.7 基于加权最小二乘法的车牌号码倾斜校正 6.7.1 本书方法 6.7.2 模拟试验和结果分析 6.8 本章小结 第七章 车牌字符分割方法 7.1 改进的投影法车牌字符分割方法 7.1.1 MIPM方法 7.1.2 试验和结果比较 7.2 基于分水岭算法和模糊C均值聚类的车牌字符分割方法 7.2.1 本书方法 7.2.2 试验和结果比较 7.3 本章小结 第八章 总结 8.1 主要研究成果 8.2 不足之处及今后的研究工作 参考文献 ..更多