车牌定位识别系统设计与实现
| 摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·课题研究背景 | 第9页 |
| ·车牌识别技术研究现状 | 第9-11页 |
| ·国内外车牌识别研究现状 | 第9-10页 |
| ·车牌识别技术难点 | 第10-11页 |
| ·课题研究的目的和意义 | 第11-12页 |
| ·本文的研究内容 | 第12页 |
| ·本章小结 | 第12-13页 |
| 第二章 车牌识别中图像处理与模式识别技术 | 第13-19页 |
| ·数字图像处理技术 | 第13-16页 |
| ·数字图像处理基本过程 | 第13页 |
| ·数字图像的基本类型 | 第13-14页 |
| ·数字图像处理的基本运算 | 第14-15页 |
| ·数字图像处理研究主要内容 | 第15-16页 |
| ·数字图像处理技术在车牌识别中的应用 | 第16页 |
| ·模式识别 | 第16-18页 |
| ·模式识别概念 | 第16-18页 |
| ·模式识别在车牌识别中的应用 | 第18页 |
| ·本章总结 | 第18-19页 |
| 第三章 车牌定位识别系统总体设计 | 第19-23页 |
| ·系统的总体结构 | 第19页 |
| ·车牌定位识别系统功能模块设计 | 第19-20页 |
| ·定位与识别模块的流程设计 | 第20-21页 |
| ·系统开发平台 | 第21-22页 |
| ·VS2005 概述 | 第21-22页 |
| ·Opencv 概述 | 第22页 |
| ·本章小结 | 第22-23页 |
| 第四章 车牌图像预处理 | 第23-27页 |
| ·彩色图像灰度化 | 第23-24页 |
| ·车牌图像灰度变换增强 | 第24-26页 |
| ·线性灰度增强 | 第24-25页 |
| ·分段线性灰度增强 | 第25页 |
| ·非线性灰度增强 | 第25-26页 |
| ·图像灰度变换增强实验比较结果 | 第26页 |
| ·本章总结 | 第26-27页 |
| 第五章 车牌定位 | 第27-50页 |
| ·车牌特征与分析 | 第27-29页 |
| ·车牌图像结构特征 | 第27-28页 |
| ·车牌区域特征分析 | 第28-29页 |
| ·车牌定位算法概述 | 第29-30页 |
| ·直接定位法 | 第29页 |
| ·间接定位法 | 第29-30页 |
| ·车牌粗定位 | 第30-44页 |
| ·车牌的先验知识 | 第30页 |
| ·基于模糊增强的车牌图像二值化 | 第30-36页 |
| ·车牌图像边缘检测 | 第36-42页 |
| ·边缘检测和投影法相结合定位法 | 第42-44页 |
| ·车牌精定位 | 第44-49页 |
| ·倾斜校正 | 第44-46页 |
| ·去除车牌边框 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 第六章 车牌字符分割与识别 | 第50-60页 |
| ·字符分割 | 第50-52页 |
| ·车牌区域二值化 | 第51页 |
| ·常用的字符分割算法 | 第51-52页 |
| ·垂直投影字符分割法及实验结果 | 第52页 |
| ·车牌字符图像尺寸大小归一化 | 第52-53页 |
| ·车牌字符特征提取 | 第53-54页 |
| ·13 点特征提取法 | 第53-54页 |
| ·逐像素特征提取法 | 第54页 |
| ·BP 神经网络在字符识别中的应用 | 第54-59页 |
| ·BP 神经网络算法 | 第54-57页 |
| ·BP 神经网络实验结论 | 第57-59页 |
| ·本章总结 | 第59-60页 |
| 第七章 系统实现 | 第60-64页 |
| ·图像的采集 | 第60-61页 |
| ·车牌图像处理 | 第61页 |
| ·车牌定位 | 第61-62页 |
| ·字符分割 | 第62-63页 |
| ·字符识别 | 第63页 |
| ·本章小结 | 第63-64页 |
| 第八章 结论与展望 | 第64-66页 |
| ·主要创新点及研究成果 | 第64-65页 |
| ·本论文存在不足与展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 攻读硕士期间发表的论文 | 第70-71页 |
