基于车牌识别的门禁系统设计
| 中文摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 1.绪论 | 第10-16页 |
| 1.1 课题研究背景 | 第10-13页 |
| 1.1.1 门禁系统发展与需求 | 第10-13页 |
| 1.1.2 车辆管理需求与发展 | 第13页 |
| 1.2 车牌识别技术 | 第13-14页 |
| 1.2.1 国外发展情况 | 第13页 |
| 1.2.2 国内发展情况 | 第13-14页 |
| 1.2.3 车牌系统的应用 | 第14页 |
| 1.3 论文结构安排 | 第14-16页 |
| 2.图像预处理 | 第16-37页 |
| 2.1 车牌识别系统框架 | 第16页 |
| 2.2 图像采集与转化 | 第16-17页 |
| 2.3 降噪滤波 | 第17-20页 |
| 2.3.1 滤波原理 | 第18页 |
| 2.3.2 均值滤波 | 第18-19页 |
| 2.3.3 中值滤波 | 第19-20页 |
| 2.4 图像增强 | 第20-24页 |
| 2.4.1 灰度变换 | 第20-21页 |
| 2.4.2 直方图统计 | 第21-23页 |
| 2.4.3 频域增强 | 第23-24页 |
| 2.5 边缘检测 | 第24-29页 |
| 2.5.1 边缘点的图像梯度 | 第24-25页 |
| 2.5.2 一阶梯度算子 | 第25-28页 |
| 2.5.3 二阶段梯度算子 | 第28-29页 |
| 2.6 形态学处理定位车牌位置 | 第29-33页 |
| 2.6.1 腐蚀膨胀 | 第29-31页 |
| 2.6.2 定位车牌区域 | 第31-33页 |
| 2.7 基于彩色图像的定位算法 | 第33-36页 |
| 2.7.1 彩色图形模型 | 第33-35页 |
| 2.7.2 彩色图像车牌定位 | 第35-36页 |
| 2.8 本章小结 | 第36-37页 |
| 3.车牌字符识别 | 第37-52页 |
| 3.1 车牌图像预处理 | 第37-39页 |
| 3.1.1 二值化 | 第37-38页 |
| 3.1.2 滤波 | 第38页 |
| 3.1.3 腐蚀膨胀勾勒线条 | 第38页 |
| 3.1.4 几何校正 | 第38-39页 |
| 3.2 常用的车牌字符切割算法 | 第39-40页 |
| 3.2.1 基于投影法的切割算法 | 第39页 |
| 3.2.2 基于字符块的切割算法 | 第39-40页 |
| 3.2.3 基于聚类分析法的切割算法 | 第40页 |
| 3.2.4 其他定位算法 | 第40页 |
| 3.3 新能源车牌切割算法 | 第40-42页 |
| 3.4 字符识别 | 第42-43页 |
| 3.4.1 常用的字符识别 | 第42-43页 |
| 3.4.2 模板匹配识别算法 | 第43页 |
| 3.5 基于神经网络的识别算法 | 第43-51页 |
| 3.5.1 神经元模型 | 第43-46页 |
| 3.5.2 BP神经网络 | 第46-49页 |
| 3.5.3 RBF神经网络 | 第49-50页 |
| 3.5.4 字符特征提取与识别 | 第50-51页 |
| 3.6 本章小结 | 第51-52页 |
| 4.门禁系统的设计 | 第52-58页 |
| 4.1 市场需求设计分析 | 第52-53页 |
| 4.1.1 门禁产品对比分析 | 第52页 |
| 4.1.2 功能分析 | 第52-53页 |
| 4.2 总设计方案 | 第53-57页 |
| 4.2.1 车牌识别模块 | 第53-54页 |
| 4.2.2 数据储存模块 | 第54-55页 |
| 4.2.3 门闸控制模块 | 第55-57页 |
| 4.3 测试结果 | 第57页 |
| 4.4 本章小结 | 第57-58页 |
| 5.总结与展望 | 第58-60页 |
| 5.1 总结 | 第58页 |
| 5.2 展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 攻读硕士学位期间发表学术论文情况 | 第63-64页 |
| 致谢 | 第64-65页 |
| 作者简介 | 第65-66页 |
