导读:本文包含了车牌定位论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:车牌,形态学,字符,深度,同态,边缘,特征。
车牌定位论文文献综述
张萍,陆淑勤,徐海峰[1]（2019）在《基于MATLAB的车牌定位技术研究》一文中研究指出利用MATLAB软件的强大功能,通过对采集到的车牌图像进行灰度化、去噪、边缘检测、形态学滤波等,完成了MATLAB环境下的仿真,最后实现了基于灰度边缘检测的车牌定位。实验结果表明,该方法去噪效果较好,简单方便,定位快、成功率高。(本文来源于《科技视界》期刊2019年32期）
邓运生,郑晨霞,尹安[2]（2019）在《车牌定位和字符分割方法对比研究及实现》一文中研究指出随着智慧型城市建设的深入推进,智能交通在其中扮演了重要角色,车牌识别系统作为智能交通领域的重要组成部分被广泛采用.该系统包括了车牌图像预处理、车牌定位、字符分割和车牌识别四个环节,其中车牌定位和字符分割是重要的两项技术.本文对车牌定位和字符分割进行了研究,提出基于Lab空间和车牌形态特征相结合的优化方法,实验结果表明:此方法能够准确快速地定位出车牌区域,同时对字符分割方法进行了对比仿真研究.(本文来源于《兰州文理学院学报(自然科学版)》期刊2019年06期）
罗山[3]（2019）在《基于改进数学形态学的车牌定位》一文中研究指出车牌定位在车牌识别系统中起着至关重要的作用,定位结果的好坏直接决定着车牌识别的准确与否。针对数学形态学定位出现多个伪车牌区域,当区域较多时定位不准的问题,本文首先对车牌图像进行预处理;然后提取边缘、二值化,利用数学形态学获得候选的车牌区域;最后分析候选区域特征以提取准确的车牌区域。仿真测试表明,该方法定位准确率高,具有很快的速度。(本文来源于《山西电子技术》期刊2019年05期）
黄良俊,凌翔,黄榜,赖锟[4]（2019）在《基于改进同态滤波的光照补偿车牌定位》一文中研究指出为了更有效地提高车牌定位准确率,文章对传统同态滤波器进行了改进,在提升光照补偿效果的同时,减少了滤波器的参数,提高了计算机的运行速度。将车辆图像从RGB颜色空间转换到HSV颜色空间,对HSV颜色模型进行3通道分离,保持色调分量不变,对饱和度分量进行拉伸,利用改进的同态滤波对亮度分量进行光照补偿;按蓝、黄车牌颜色对应的H、S、V值的范围进行阈值化,把得到的3幅二值图进行与操作,得到HSV空间下二值图,接着进行数学形态学除噪,再结合车牌的纹理特征定位出车牌区域。实验结果表明,该方法不仅能够快速、准确定位出车牌,而且对夜晚及光照不均的车辆图像也能有效地定位。(本文来源于《合肥工业大学学报(自然科学版)》期刊2019年09期）
苏博妮[5]（2019）在《基于颜色和垂直投影的车牌定位与字符分割》一文中研究指出提出了一种基于颜色和投影技术的车牌定位及字符分割方法,首先将车辆图像转换到HSV颜色空间,利用车牌区域的颜色特征进行车牌区域定位,然后利用randon变换对车牌图像进行倾斜校正,最后利用垂直投影法结合字符宽度完成字符分割,为下一步进行字符识别奠定基础.(本文来源于《四川文理学院学报》期刊2019年05期）
赵伟,张南楠[6]（2019）在《深度学习在复杂环境下车牌定位算法中的应用》一文中研究指出为了使车牌识别技术适应复杂环境以及实际工程应用,将深度学习理论和算法融于复杂环境下的车牌定位改进算法中。首先通过处理速度快的Canny边缘检测算子,通过阈值设定得到边缘细节完整的车牌图像;然后结合形态学处理进行大范围的车牌疑似区域提取;最后利用改进的深度学习算法,即采用Alex Net卷积神经网络法去除伪车牌进行车牌精定位,并输出最后的精确定位结果。实验结果表明,该方法定位准确性、定位效率高,而且资源开销较少,此方案可持续发展性强,在未来的工程应用中具有一定的实用价值。(本文来源于《现代电子技术》期刊2019年17期）
文章岩[7]（2019）在《雾霾环境下车牌定位》一文中研究指出为实现雾霾环境下车牌的定位,采用暗原色先验去雾算法对图像进行清晰化复原,通过Roberts算法和车牌颜色纹理对去雾后的图像进行一系列的处理,能够使得图像达到去雾去霾的效果,同时能够准确高效的定位车辆车牌位置。该方法对雾霾环境下车牌的定位具有较高的识别率。(本文来源于《时代汽车》期刊2019年12期）
丁潘[8]（2019）在《基于深度学习的车牌精准定位研究》一文中研究指出车牌识别技术是构建智能交通管理系统中重要的组成部分,其中车牌定位的研究是实现车牌识别的关键一步。传统的车牌定位算法受周围环境因素影响较大,比如含有遮挡的车牌、阴干天气、不同颜色的车牌等都会对车牌定位的准确度产生很大影响。本文提出了一种深度学习的方法来实现车牌的精准定位,与传统车牌识别算法相比,在光照、遮挡、非车牌区域噪音等方面,具有较好的鲁棒性和准确性,为后续车牌字符的分割与识别奠定了良好的基础。本文对车牌识别的研究主要包含以下内容:传统车牌定位算法的深入研究,分析了各个算法在车牌定位时的流程以及各自的优缺点。基于边缘特征定位方法对图像中噪音方面较为敏感,特别是遇到相似纹理特征或图像中其他干扰因素时,其车牌的定位错误率较高;基于颜色特征定位方法能简单的描述车牌图像中颜色的分布,对图像区域的大小和方向变化不太敏感,所以不能很好的提取车牌局部特征;基于数学形态学的多特征定位方法是对传统的数学形态学算法的改进,可以与颜色、边缘特征等车牌定位算法相结合,使得该算法具有多特征性,有效的提高了车牌定位的运算速度和准确度。本文重点研究了基于深度学习的车牌定位算法,阐述了深度学习框架,介绍了实验环境搭建流程,最后设计出叁层级联卷积神经网络架构:第一层使用基于目标检测的R-CNN算法对图像中车辆进行检测,第二层以第一层检测出来的图像作为数据,进行车牌的粗检测,第叁层以第二层对车牌的粗定位作为数据,进行车牌关键的细定位,整体的网络结构体现出级联卷积神经网络由粗检测再到细检测的思想。通过实验证明,级联卷积神经网络对车牌的定位更加精确,检测出来的识别率高于传统的车牌定位算法。(本文来源于《新疆大学》期刊2019-06-30）
李祥鹏,闵卫东,韩清,刘瑞康[9]（2019）在《基于深度学习的车牌定位和识别方法》一文中研究指出针对现有的基于车牌字符分割的车牌识别方法,在光照,阴暗等特定自然场景下存在无法定位且车牌字符无法正确分割,直接影响车牌字符识别效果的问题,提出一种基于深度学习的车牌定位和识别方法.首先采用深度学习FasterR-CNN算法进行车牌定位,利用k-means++算法来选择最佳车牌区域尺寸,解决现有车牌定位方法在某些自然场景下无法正确定位车牌的问题;然后在AlexNet网络模型的基础上进行改进和重新构建,提出一种增强的卷积神经网络模型AlexNet-L,该模型是一种针对车牌字符识别的端对端网络模型,可提高车牌识别准确率,避免现有的基于车牌字符分割的车牌识别方法中因无法正确分割车牌字符对车牌字符识别的影响.实验结果表明,该方法可以更有效地提高车牌定位和车牌字符识别的准确度和效率.(本文来源于《计算机辅助设计与图形学学报》期刊2019年06期）
曹雨[10]（2019）在《面向非卡口的多车牌定位与识别技术的研究与实现》一文中研究指出近年来,智能交通应用越来越广泛。车牌作为车辆的唯一标识,车牌的定位和识别是智能交通系统的主要内容。传统的面向卡口场景的车牌定位和识别技术难以适用新的需求。非卡口的多车通行场景下,场景多样性和成像质量低的问题,使得车牌的定位和识别面临更多的困难与挑战。随着深度学习的发展,车牌的定位与识别技术取得了长足的进步。本文旨在解决非卡口多车通行场景下的车牌定位和识别问题。对于车牌定位,本文使用基于深度卷积神经网络的两阶段检测算法。首先本文设计的面向车牌的候选框生成网络,通过深度卷积神经网络计算的特征图,在特征图上生成面向车牌的高质量和多尺度候选框。然后再通过回归网络,计算候选框的分类和位置回归。对于双排字符的车牌识别,本文提出了一种基于深度学习的端到端的序列识别网络。该网络通过重组深度卷积神经网络计算的特征图,使得特征图具有时序特性,通过循环层和转录层对序列特征图进行识别。对于车牌识别训练集中汉字字符与英文数字字符严重失衡问题,本文设计了一种双循环转录网络。对于序列特征图,网络通过两个分支分别计算汉字字符和英文数字字符。最终,通过车牌设计的先验知识,得到最终的识别结果。实验结果表明,与现有的算法相比,本文提出的算法在非卡口场景下的多车牌定位和识别任务上取得了比较好的效果。(本文来源于《北京邮电大学》期刊2019-05-29）
车牌定位论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着智慧型城市建设的深入推进,智能交通在其中扮演了重要角色,车牌识别系统作为智能交通领域的重要组成部分被广泛采用.该系统包括了车牌图像预处理、车牌定位、字符分割和车牌识别四个环节,其中车牌定位和字符分割是重要的两项技术.本文对车牌定位和字符分割进行了研究,提出基于Lab空间和车牌形态特征相结合的优化方法,实验结果表明:此方法能够准确快速地定位出车牌区域,同时对字符分割方法进行了对比仿真研究.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
车牌定位论文参考文献
[1].张萍,陆淑勤,徐海峰.基于MATLAB的车牌定位技术研究[J].科技视界.2019
[2].邓运生,郑晨霞,尹安.车牌定位和字符分割方法对比研究及实现[J].兰州文理学院学报(自然科学版).2019
[3].罗山.基于改进数学形态学的车牌定位[J].山西电子技术.2019
[4].黄良俊,凌翔,黄榜,赖锟.基于改进同态滤波的光照补偿车牌定位[J].合肥工业大学学报(自然科学版).2019
[5].苏博妮.基于颜色和垂直投影的车牌定位与字符分割[J].四川文理学院学报.2019
[6].赵伟,张南楠.深度学习在复杂环境下车牌定位算法中的应用[J].现代电子技术.2019
[7].文章岩.雾霾环境下车牌定位[J].时代汽车.2019
[8].丁潘.基于深度学习的车牌精准定位研究[D].新疆大学.2019
[9].李祥鹏,闵卫东,韩清,刘瑞康.基于深度学习的车牌定位和识别方法[J].计算机辅助设计与图形学学报.2019
[10].曹雨.面向非卡口的多车牌定位与识别技术的研究与实现[D].北京邮电大学.2019
论文知识图
