车牌识别技术的研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 引言 | 第8-13页 |
| 1.1 课题背景 | 第8-11页 |
| 1.1.1 课题研究意义 | 第8页 |
| 1.1.2 车牌识别系统的发展历程 | 第8-11页 |
| 1.2 课题内容及本人主要工作 | 第11-12页 |
| 1.3 论文结构 | 第12-13页 |
| 第二章 车牌定位技术 | 第13-19页 |
| 2.1 车牌图像获取 | 第13-14页 |
| 2.2 车牌定位方法综述 | 第14-17页 |
| 2.2.1 基于水平灰度变化特征的方法 | 第14-15页 |
| 2.2.2 基于边缘检测的方法 | 第15-16页 |
| 2.2.3 基于车牌颜色特征的方法 | 第16页 |
| 2.2.4 基于数学形态学的定位方法 | 第16-17页 |
| 2.3 本章小结 | 第17-19页 |
| 第三章 车牌字符分割技术 | 第19-30页 |
| 3.1 车牌字符分割方法综述 | 第19-20页 |
| 3.2 车牌图象二值化 | 第20-23页 |
| 3.2.1 全局阈值算法 | 第21-22页 |
| 3.2.2 局部阈值算法 | 第22-23页 |
| 3.3 车牌字符分割的难点 | 第23-24页 |
| 3.4 二值化阈值车牌字符分割方法 | 第24-26页 |
| 3.5 实验结果与讨论 | 第26-28页 |
| 3.6 本章小结 | 第28-30页 |
| 第四章 车牌字符识别技术 | 第30-41页 |
| 4.1 车牌字符识别技术综述 | 第30-31页 |
| 4.1.1 小波变换与矩相结合[28] | 第31页 |
| 4.1.2 分形维数的应用[29] | 第31页 |
| 4.1.3 多方案集成的分层识别策略 | 第31页 |
| 4.2 车牌字符识别算法 | 第31-39页 |
| 4.2.1 模板匹配法 | 第32-33页 |
| 4.2.2 神经网络字符识别算法 | 第33-37页 |
| 4.2.3 贝叶斯(Bayes)分类器 | 第37-38页 |
| 4.2.4 支持向量机 | 第38页 |
| 4.2.5 特征匹配法 | 第38-39页 |
| 4.3 车牌字符识别的技术分析 | 第39-40页 |
| 4.3.1 车牌字符的特殊性 | 第39-40页 |
| 4.3.2 技术难点 | 第40页 |
| 4.4 本章小结 | 第40-41页 |
| 第五章 嵌入式车牌字符识别系统方案设计与实现 | 第41-46页 |
| 5.1 设计流程 | 第41-42页 |
| 5.2 软件平台和开发工具选择 | 第42-43页 |
| 5.3 交叉环境 | 第43-44页 |
| 5.4 设计方案结论与优势 | 第44-46页 |
| 第六章 结束语 | 第46-48页 |
| 6.1 论文工作总结 | 第46页 |
| 6.2 问题和展望 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51页 |
