| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景和意义 | 第13-16页 |
| 1.1.1 研究背景 | 第13-14页 |
| 1.1.2 理论意义和实践意义 | 第14-16页 |
| 1.2 国内外研究现状 | 第16-17页 |
| 1.3 研究内容方法与创新点 | 第17-19页 |
| 1.3.1 研究内容 | 第17-18页 |
| 1.3.2 研究方法 | 第18页 |
| 1.3.3 创新点 | 第18-19页 |
| 1.4 论文结构安排 | 第19-21页 |
| 第二章 军车车牌识别系统简介 | 第21-25页 |
| 2.1 军车号牌简介 | 第21-22页 |
| 2.2 军车车牌字符特点 | 第22-23页 |
| 2.3 军车车牌图像特征分析 | 第23页 |
| 2.4 军车车牌识别系统组成 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 相关理论技术概述 | 第25-37页 |
| 3.1 MATLAB简介 | 第25页 |
| 3.2 数学形态学概述 | 第25-27页 |
| 3.3 边缘检测 | 第27-31页 |
| 3.3.1 Sobel索贝尔算子 | 第28页 |
| 3.3.2 Roberts罗伯特算子 | 第28-29页 |
| 3.3.3 Canny坎尼算子 | 第29-30页 |
| 3.3.4 Prewitt普瑞维特算子 | 第30页 |
| 3.3.5 几种边缘检测算法比较 | 第30-31页 |
| 3.4 字符识别方法 | 第31-32页 |
| 3.4.1 神经网络分类器识别方法 | 第31页 |
| 3.4.2 模板匹配法 | 第31页 |
| 3.4.3 特征分析匹配法 | 第31-32页 |
| 3.5 BP神经网络 | 第32-36页 |
| 3.5.1 简介 | 第32-33页 |
| 3.5.2 学习算法 | 第33-35页 |
| 3.5.3 设计 | 第35-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第四章 军车车牌识别系统关键技术实现与应用 | 第37-61页 |
| 4.1 图像预处理技术 | 第37-42页 |
| 4.1.1 图像灰度化 | 第38-39页 |
| 4.1.2 图像滤波——中值滤波 | 第39-41页 |
| 4.1.3 图像增强——直方图均衡化 | 第41页 |
| 4.1.4 图像二值化——Otsu算法 | 第41-42页 |
| 4.2 车牌定位技术 | 第42-46页 |
| 4.2.1 基于数学形态与HSV颜色空间结合车牌定位技术 | 第43-45页 |
| 4.2.2 基于数学形态与投影法结合车牌定位技术 | 第45-46页 |
| 4.2.3 基于数学形态与纹理特点结合车牌定位技术 | 第46页 |
| 4.3 车牌倾斜校正技术 | 第46-50页 |
| 4.3.1 Hough变换法技术 | 第47页 |
| 4.3.2 Radon变换法技术 | 第47-49页 |
| 4.3.3 改进hough变换算法 | 第49-50页 |
| 4.4 车牌字符分割技术 | 第50-54页 |
| 4.4.1 车牌边框与螺钉清除技术 | 第51页 |
| 4.4.2 车牌字符分割技术 | 第51-52页 |
| 4.4.3 改进车牌字符分割算法 | 第52-53页 |
| 4.4.4 字符图像统一化 | 第53-54页 |
| 4.5 车牌字符识别技术 | 第54-59页 |
| 4.5.1 基于BP神经网络识别车牌字符 | 第54-58页 |
| 4.5.2 改进BP神经网络识别算法 | 第58-59页 |
| 4.6 本章小结 | 第59-61页 |
| 第五章 军车车牌识别系统设计及仿真实验分析 | 第61-71页 |
| 5.1 军车车牌识别系统设计 | 第61-64页 |
| 5.1.1 整体设计技术流程图 | 第61-62页 |
| 5.1.2 系统应用界面 | 第62-63页 |
| 5.1.3 系统运行流程 | 第63-64页 |
| 5.2 系统仿真实验分析 | 第64-70页 |
| 5.2.1 识别成功的图像展示 | 第64-66页 |
| 5.2.2 识别失败的图像原因分析及改进措施 | 第66-69页 |
| 5.2.3 改进算法后仿真实验统计结果 | 第69-70页 |
| 5.3 本章小结 | 第70-71页 |
| 第六章 结论与展望 | 第71-73页 |
| 6.1 结论 | 第71页 |
| 6.2 展望 | 第71-73页 |
| 致谢 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 作者简历 | 第79页 |