| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-16页 |
| 1.1 课题的研究背景与意义 | 第10-11页 |
| 1.2 车牌识别系统的国内外研究现状 | 第11-12页 |
| 1.3 车牌识别系统在移动终端上的现状 | 第12-13页 |
| 1.4 基于Android平台车牌识别的敏感问题 | 第13-14页 |
| 1.5 本文结构安排以及主要工作 | 第14-16页 |
| 1.5.1 论文的结构安排 | 第14页 |
| 1.5.2 本文主要工作工作 | 第14-16页 |
| 2 运动模糊车牌图像恢复 | 第16-26页 |
| 2.1 图像恢复的基本理论 | 第16-19页 |
| 2.1.1 图像模糊模型 | 第16-17页 |
| 2.1.2 运动模糊图像恢复原理 | 第17-18页 |
| 2.1.3 图像恢复评价标准 | 第18-19页 |
| 2.2 车牌图像运动模糊的过程分析 | 第19页 |
| 2.3 维纳滤波算法 | 第19-21页 |
| 2.4 本文算法 | 第21-24页 |
| 2.4.1 图像模糊度 | 第22页 |
| 2.4.2 模糊度计算 | 第22-23页 |
| 2.4.3 模糊度与模糊程度映射关系 | 第23-24页 |
| 2.5 实验结果分析 | 第24-26页 |
| 3 车牌定位 | 第26-38页 |
| 3.1 车牌的类型规格及特征分析 | 第26-27页 |
| 3.1.1 车牌的类型规格 | 第26-27页 |
| 3.1.2 车牌特征 | 第27页 |
| 3.2 车牌定位概述 | 第27-28页 |
| 3.3 基于垂直边缘检测和形态学的车牌粗定位 | 第28-31页 |
| 3.3.1 灰度化 | 第28-29页 |
| 3.3.2 边缘检测 | 第29-30页 |
| 3.3.3 形态学操作 | 第30-31页 |
| 3.4 基于光照补偿校正车牌图像二值化的提出 | 第31-35页 |
| 3.4.1 光照反射成像模型 | 第31-32页 |
| 3.4.2 基于DCT的光照补偿校正 | 第32-33页 |
| 3.4.3 二值化 | 第33-34页 |
| 3.4.4 实验结果分析 | 第34-35页 |
| 3.5 基于投影的车牌图像校正方法 | 第35-36页 |
| 3.6 车牌区域精细定位 | 第36-37页 |
| 3.7 实验结果分析 | 第37-38页 |
| 4 车牌字符分割 | 第38-42页 |
| 4.1 常用的车牌字符分割经典方法 | 第38-39页 |
| 4.2 基于模板匹配和垂直投影相结合的字符分割方法 | 第39-41页 |
| 4.2.1 车牌字符串结构特点 | 第39-40页 |
| 4.2.2 基于模板的粗分割 | 第40页 |
| 4.2.3 基于垂直投影的单个字符精细分割 | 第40-41页 |
| 4.3 实验结果分析 | 第41-42页 |
| 5 车牌字符识别技术 | 第42-58页 |
| 5.1 常用的车牌识别方法 | 第42-43页 |
| 5.2 基于神经网络的字符粗分类 | 第43-52页 |
| 5.2.1 BP神经网络简介 | 第44-46页 |
| 5.2.2 车牌字符归一化 | 第46页 |
| 5.2.3 车牌字符特征提取 | 第46-49页 |
| 5.2.4 BP神经网络设计及车牌字符识别 | 第49-51页 |
| 5.2.5 识别结果分析 | 第51-52页 |
| 5.3 基于字符局部特征的二次识别 | 第52-58页 |
| 5.3.1 骨架特征法 | 第54页 |
| 5.3.2 边界距离法 | 第54-55页 |
| 5.3.3 特征区域求和法 | 第55-56页 |
| 5.3.4 穿线法 | 第56页 |
| 5.3.5 实验结果分析 | 第56-58页 |
| 6 基于Android的车牌识别系统实现 | 第58-66页 |
| 6.1 相关技术概述 | 第58-60页 |
| 6.1.1 Android操作系统概述 | 第58-59页 |
| 6.1.2 OpenCV | 第59-60页 |
| 6.2 开发环境介绍 | 第60页 |
| 6.3 车牌识别系统设计与实现 | 第60-62页 |
| 6.4 系统界面展示 | 第62-66页 |
| 7 总结与展望 | 第66-68页 |
| 7.1 本文工作总结 | 第66-67页 |
| 7.2 今后研究工作的展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 攻读学位期间主要研究成果 | 第72-74页 |
| 致谢 | 第74页 |