基于HAAR Cascade的车牌识别系统的设计与实现
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 系统开发背景及意义 | 第13-16页 |
| 1.1.1 系统开发背景 | 第13-14页 |
| 1.1.2 系统开发意义 | 第14-16页 |
| 1.2 研究现状 | 第16-17页 |
| 1.3 车牌识别系统的应用 | 第17-18页 |
| 1.4 主要研究内容及组织结构 | 第18-21页 |
| 1.4.1 主要研究内容 | 第18-19页 |
| 1.4.2 论文的组织结构 | 第19-21页 |
| 第2章 相关技术 | 第21-28页 |
| 2.1 HAAR特征相关理论介绍 | 第21-23页 |
| 2.1.1 HAAR特征原理 | 第21-22页 |
| 2.1.2 HAAR特征个数计算方式 | 第22-23页 |
| 2.2 AdaBoost分类器学习训练 | 第23-25页 |
| 2.2.1 AdaBost算法思想 | 第23-24页 |
| 2.2.2 AdaBoost算法的实现 | 第24-25页 |
| 2.3 图像处理理论 | 第25-26页 |
| 2.3.1 二值化思想 | 第25页 |
| 2.3.2 归一化 | 第25-26页 |
| 2.4 CNN | 第26-27页 |
| 2.5 车牌相关知识 | 第27页 |
| 2.6 本章小结 | 第27-28页 |
| 第3章 系统需求分析 | 第28-44页 |
| 3.1 系统功能需求分析 | 第28-33页 |
| 3.1.1 数据采集模块需求 | 第29页 |
| 3.1.2 车牌粗定位功能模块需求 | 第29-30页 |
| 3.1.3 图像处理模块需求 | 第30-31页 |
| 3.1.4 车牌精定位模块需求 | 第31-33页 |
| 3.1.5 字符分割与识别模块需求 | 第33页 |
| 3.2 系统可行性分析 | 第33-34页 |
| 3.3 系统的功能设计与实现 | 第34-40页 |
| 3.3.1 车牌粗定位模块 | 第36-37页 |
| 3.3.2 图像处理模块 | 第37-38页 |
| 3.3.3 车牌精定位模块 | 第38页 |
| 3.3.4 字符分割和识别模块 | 第38-40页 |
| 3.4 数据库设计 | 第40-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 系统关键技术 | 第44-66页 |
| 4.1 车牌粗定位 | 第44-54页 |
| 4.1.1 HAAR特征的计算方法 | 第44-47页 |
| 4.1.2 Cascade结构 | 第47-48页 |
| 4.1.3 AdaBoost算法 | 第48-52页 |
| 4.1.4 训练树形分类器 | 第52-53页 |
| 4.1.5 车牌粗定位实验结果 | 第53-54页 |
| 4.2 图像处理 | 第54-58页 |
| 4.2.1 分形维数的二值化思想 | 第54-57页 |
| 4.2.2 二值化实验结果 | 第57-58页 |
| 4.3 车牌精定位 | 第58-61页 |
| 4.3.1 归一化处理 | 第58-60页 |
| 4.3.2 基于纹理场的算法 | 第60-61页 |
| 4.4 字符分割与字符识别 | 第61-65页 |
| 4.4.1 字符分割 | 第61-64页 |
| 4.4.2 字符识别 | 第64-65页 |
| 4.5 本章小结 | 第65-66页 |
| 第5章 系统实现与测试 | 第66-74页 |
| 5.1 数据集 | 第66-67页 |
| 5.2 系统测试环境 | 第67-68页 |
| 5.2.1 硬件环境 | 第68页 |
| 5.2.2 软件环境 | 第68页 |
| 5.3 系统测试用例 | 第68-71页 |
| 5.3.1 功能测试 | 第69-70页 |
| 5.3.2 性能测试 | 第70-71页 |
| 5.4 测试结果 | 第71-73页 |
| 5.5 本章小结 | 第73-74页 |
| 第6章 总结与展望 | 第74-76页 |
| 6.1 总结 | 第74-75页 |
| 6.2 展望 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-80页 |
