| 摘要 | 第7-8页 |
| ABSTRACT | 第8页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 课题背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 车牌识别系统国外发展现状 | 第10-11页 |
| 1.2.2 车牌识别系统国内研究现状 | 第11页 |
| 1.2.3 基于Android系统车牌识别研究现状 | 第11-12页 |
| 1.3 课题研究内容 | 第12-13页 |
| 第2章 C++开发工具介绍和环境搭建 | 第13-17页 |
| 2.1 引言 | 第13页 |
| 2.2 Open CV的介绍 | 第13-14页 |
| 2.2.1 Open CV的模块和功能 | 第14页 |
| 2.2.2 Open CV2和Open CV1的区别 | 第14页 |
| 2.3 C++开发工具介绍和环境搭建 | 第14-16页 |
| 2.3.1 C++开发环境的搭建步骤 | 第15-16页 |
| 2.4 本章小结 | 第16-17页 |
| 第3章 基于Open CV的车牌定位技术 | 第17-35页 |
| 3.1 引言 | 第17-18页 |
| 3.1.1 国内蓝底车牌的特点 | 第17-18页 |
| 3.2 定位流程图 | 第18页 |
| 3.3 图像的预处理 | 第18-25页 |
| 3.3.1 示例源图像 | 第18-19页 |
| 3.3.2 图像的灰度化 | 第19-20页 |
| 3.3.3 图像的平滑处理 | 第20页 |
| 3.3.4 sobel算子边缘增强 | 第20-21页 |
| 3.3.5 图像的二值化 | 第21-22页 |
| 3.3.6 图像的形态学处理 | 第22-25页 |
| 3.4 车牌定位算法 | 第25-28页 |
| 3.4.1 查找车牌轮廓 | 第25-26页 |
| 3.4.2 粗略筛选车牌轮廓 | 第26-27页 |
| 3.4.3 flood Fill方法精确定位车牌区域 | 第27-28页 |
| 3.5 筛选正确车牌算法 | 第28-34页 |
| 3.5.1 Open CV SVM分类算法介绍 | 第28-31页 |
| 3.5.2 自定义判断是否车牌算法 | 第31-33页 |
| 3.5.3 自定义方法和SVM算法的比较 | 第33-34页 |
| 3.6 本章小结 | 第34-35页 |
| 第4章 基于Open CV的车牌字符分割与字符识别 | 第35-47页 |
| 4.1 引言 | 第35页 |
| 4.2 基于字符轮廓与先验知识的字符分割 | 第35-37页 |
| 4.2.1 分割方法 | 第36-37页 |
| 4.3 字符识别 | 第37-45页 |
| 4.3.1 人工神经网络方法 | 第38-43页 |
| 4.3.2 自定义模版匹配字符识别方法 | 第43-45页 |
| 4.3.3 两种算法比较 | 第45页 |
| 4.4 本章小结 | 第45-47页 |
| 第5章 基于Android平台车牌识别软件的设计与实现 | 第47-60页 |
| 5.1 引言 | 第47页 |
| 5.2 基于Android平台的软件开发 | 第47-49页 |
| 5.2.1 Android系统简介 | 第47页 |
| 5.2.2 Android平台的系统架构 | 第47-49页 |
| 5.3 Android开发环境搭建 | 第49-52页 |
| 5.3.1 Windows平台上Android开发环境的搭建 | 第49-52页 |
| 5.4 Windows下JNI的调用 | 第52-53页 |
| 5.5 Android平台的车牌识别软件开发和NDK调用 | 第53-59页 |
| 5.6 本章小结 | 第59-60页 |
| 第6章 结论与展望 | 第60-61页 |
| 6.1 结论 | 第60页 |
| 6.2 工作展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65页 |
