| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第7-14页 |
| 1.1 引言 | 第7-8页 |
| 1.2 课题的研究背景及其意义 | 第8-10页 |
| 1.2.1 智能交通系统的发展 | 第8-9页 |
| 1.2.2 套牌车问题 | 第9-10页 |
| 1.3 国内外研究现状及其发展趋势 | 第10-13页 |
| 1.3.1 套牌车识别研究现状 | 第10-11页 |
| 1.3.2 车牌识别研究现状 | 第11-12页 |
| 1.3.3 车辆外观识别研究现状 | 第12-13页 |
| 1.4 论文的主要内容与组织结构 | 第13-14页 |
| 第2章 系统的总体设计 | 第14-19页 |
| 2.1 系统实现方案 | 第14-15页 |
| 2.2 车辆图像的要求与车辆图像样本库的制作 | 第15-17页 |
| 2.3 OpenCV开发环境的组建 | 第17-18页 |
| 2.4 本章小结 | 第18-19页 |
| 第3章 车牌定位与识别 | 第19-42页 |
| 3.1 车牌特征 | 第19-20页 |
| 3.2 车牌定位算法 | 第20-33页 |
| 3.2.1 基于HSV颜色空间的蓝色车牌区域提取 | 第20-24页 |
| 3.2.2 基于HSV颜色空间的改进MSRCR图像增强算法 | 第24-28页 |
| 3.2.3 基于改进Canny算法提取车牌的纹理特征 | 第28-31页 |
| 3.2.4 结合颜色特征和纹理特征的车牌定位算法 | 第31-33页 |
| 3.3 车牌的倾斜校正和字符分割 | 第33-36页 |
| 3.3.1 基于霍夫变换和仿射变换的车牌倾斜校正 | 第33-35页 |
| 3.3.2 基于投影特征值的车牌字符分割 | 第35-36页 |
| 3.4 车牌字符识别 | 第36-41页 |
| 3.4.1 字符识别的方法 | 第36-39页 |
| 3.4.2 基于BP神经网络的车牌字符识别 | 第39-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 车辆外观识别 | 第42-60页 |
| 4.1 进气格栅及车灯带识别 | 第42-51页 |
| 4.1.1 格栅及车灯带的定位与切割 | 第43-44页 |
| 4.1.2 基于改进SURF算法的特征检测与匹配 | 第44-51页 |
| 4.2 车身颜色识别 | 第51-53页 |
| 4.2.1 车辆图像增强及颜色识别区域提取 | 第51-52页 |
| 4.2.2 基于HSV颜色量化模板识别车身颜色 | 第52-53页 |
| 4.3 车标识别 | 第53-59页 |
| 4.3.1 车标定位 | 第54-55页 |
| 4.3.2 基于HOG特征和BP神经网络的车标识别 | 第55-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第5章 系统的实现与测试 | 第60-64页 |
| 5.1 系统功能集成与测试 | 第60-62页 |
| 5.2 实验结果分析 | 第62-63页 |
| 5.3 本章小结 | 第63-64页 |
| 第6章 总结与展望 | 第64-66页 |
| 6.1 本文工作总结 | 第64-65页 |
| 6.2 后续工作展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 在读期间发表的学术论文及研究成果 | 第70-71页 |
| 致谢 | 第71页 |
