高速公路不停车收费系统中车牌识别系统的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-10页 |
| 1 绪论 | 第10-15页 |
| ·研究背景及意义 | 第10-12页 |
| ·研究背景 | 第10-11页 |
| ·研究意义 | 第11-12页 |
| ·车牌识别系统概述 | 第12-13页 |
| ·研究现状 | 第13页 |
| ·本文的研究内容和论文结构 | 第13-15页 |
| 2 电子不停车收费系统简介 | 第15-20页 |
| ·高速公路不停车收费系统的工作流程 | 第15页 |
| ·不停车收费系统的关键技术 | 第15-17页 |
| ·自动识别技术 | 第15-17页 |
| ·专用短程通信技术 | 第17页 |
| ·自动车型分类技术 | 第17页 |
| ·车牌自动识别系统的评价指标 | 第17-18页 |
| ·识别率 | 第17页 |
| ·识别速度 | 第17-18页 |
| ·后台管理体系 | 第18页 |
| ·本文所研究的车牌识别系统 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 3 关键帧提取 | 第20-30页 |
| ·关键帧选取的原则 | 第20页 |
| ·典型的关键帧提取算法 | 第20-21页 |
| ·基于镜头边界提取关键帧 | 第20页 |
| ·基于运动分析提取关键帧 | 第20-21页 |
| ·基于视频聚类提取关键帧 | 第21页 |
| ·基于内容分析提取关键帧 | 第21页 |
| ·基于互信息量的关键帧提取算法 | 第21-27页 |
| ·信息熵与互信息量 | 第22-23页 |
| ·基于互信息量的关键帧提取算法 | 第23页 |
| ·阈值的选取 | 第23-27页 |
| ·实验结果 | 第27-28页 |
| ·本章小结 | 第28-30页 |
| 4 车牌定位 | 第30-50页 |
| ·常见的车牌定位算法 | 第30-31页 |
| ·基于灰度图像的车牌定位方法 | 第30-31页 |
| ·基于彩色图像的车牌定位方法 | 第31页 |
| ·基于车牌特征和底色识别的车牌定位算法 | 第31-49页 |
| ·彩色图像边缘提取 | 第31-33页 |
| ·密度扫描 | 第33-35页 |
| ·中值滤波 | 第35-36页 |
| ·数学形态学 | 第36-37页 |
| ·车牌区域提取 | 第37-49页 |
| ·实验结果 | 第49页 |
| ·本章小结 | 第49-50页 |
| 5 字符分割 | 第50-59页 |
| ·常见的车牌字符分割方法 | 第50-51页 |
| ·基于投影法的字符分割 | 第50页 |
| ·基于连通域法的字符分割 | 第50页 |
| ·基于聚类分析的字符分割 | 第50-51页 |
| ·分割前的预处理 | 第51-54页 |
| ·彩色图像灰度化 | 第51页 |
| ·灰度图像二值化 | 第51页 |
| ·反色变换 | 第51-52页 |
| ·Canny 算子边缘检测 | 第52页 |
| ·去除边框 | 第52-53页 |
| ·归一化 | 第53-54页 |
| ·垂直投影法结合车牌固有特征的分割方法 | 第54-57页 |
| ·实验结果 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 6 字符识别 | 第59-68页 |
| ·车牌字符识别的方法 | 第59-60页 |
| ·基于神经网络的识别方法 | 第59页 |
| ·基于特征分析匹配的方法 | 第59页 |
| ·基于模板匹配的方法 | 第59-60页 |
| ·车牌字符的特征提取 | 第60-61页 |
| ·骨架特征提取法 | 第60页 |
| ·逐象素特征提取法 | 第60页 |
| ·粗网格特征提取 | 第60页 |
| ·特征点提取 | 第60-61页 |
| ·模板匹配与特征点匹配相结合的识别方法 | 第61-67页 |
| ·模板库的设计 | 第61-62页 |
| ·15 点模板匹配法 | 第62-67页 |
| ·实验结果 | 第67页 |
| ·本章小结 | 第67-68页 |
| 7 系统实现及实验分析 | 第68-72页 |
| ·系统实现 | 第68-71页 |
| ·实验分析 | 第71-72页 |
| 8 总结与展望 | 第72-74页 |
| ·研究工作的总结 | 第72-73页 |
| ·研究工作的展望 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-78页 |
| 附录 硕士研究生学习期间发表论文 | 第78页 |
