基于视频图像处理技术的车辆出入管理系统
| 摘要 | 第7-8页 |
| Abstract | 第8页 |
| 第1章 绪论 | 第13-18页 |
| 1.1 课题研究的目的与意义 | 第13-14页 |
| 1.2 车牌识别技术的国内外研究现状 | 第14-15页 |
| 1.3 车辆出入管理系统的国内外发展现状 | 第15页 |
| 1.4 我国车牌识别过程中的难点问题 | 第15-17页 |
| 1.5 本文的主要工作 | 第17-18页 |
| 第2章 车牌识别相关处理技术 | 第18-31页 |
| 2.1 图像预处理 | 第18-20页 |
| 2.1.1 图像灰度化 | 第18-19页 |
| 2.1.2 图像二值化 | 第19-20页 |
| 2.2 车牌定位技术 | 第20-23页 |
| 2.2.1 车牌定位算法简介 | 第20-22页 |
| 2.2.2 基于边缘检测和数学形态学的车牌定位 | 第22-23页 |
| 2.3 字符分割技术 | 第23-27页 |
| 2.3.1 倾斜角度及检测方法 | 第24-26页 |
| 2.3.2 字符分割的常用方法分类 | 第26页 |
| 2.3.3 基于连通区域和投影分析的字符分割方法 | 第26-27页 |
| 2.4 实验结果及分析 | 第27-30页 |
| 2.4.1 车牌定位评测指标 | 第27-28页 |
| 2.4.2 实验结果及分析 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 车牌字符识别 | 第31-52页 |
| 3.1 车牌字符识别常用方法分类 | 第31页 |
| 3.2 车牌字符识别评测标准 | 第31-32页 |
| 3.3 车牌字符特征选择与提取 | 第32-34页 |
| 3.3.1 字符特征 | 第32页 |
| 3.3.2 字符特征提取设计 | 第32-34页 |
| 3.4 BP神经网络字符识别方法 | 第34-39页 |
| 3.4.1 BP神经网络的基本原理 | 第34-38页 |
| 3.4.2 BP神经网络存在的不足 | 第38-39页 |
| 3.5 优化算法 | 第39-41页 |
| 3.5.1 萤火虫群优化算法 | 第39-40页 |
| 3.5.2 粒子群优化算法 | 第40-41页 |
| 3.6 基于BP神经网络的改进算法 | 第41-51页 |
| 3.6.1 算法的原理 | 第41-42页 |
| 3.6.2 仿真实验与结果分析 | 第42-51页 |
| 3.7 本章小结 | 第51-52页 |
| 第4章 车辆出入管理系统的总体设计与实现 | 第52-59页 |
| 4.1 软件运行环境 | 第52页 |
| 4.2 车辆出入管理系统的设计与实现 | 第52-58页 |
| 4.2.1 车辆出入管理系统的工作流程 | 第52页 |
| 4.2.2 数据库的设计与实现 | 第52-55页 |
| 4.2.3 车辆出入管理系统核心功能演示 | 第55-58页 |
| 4.3 本章小结 | 第58-59页 |
| 总结与展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64页 |
