| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 引言 | 第9-15页 |
| 1.1 研究的背景与意义 | 第9-10页 |
| 1.1.1 研究的背景 | 第9页 |
| 1.1.2 研究的意义 | 第9-10页 |
| 1.2 国内外研究现状及发展趋势 | 第10-12页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 本文的主要研究内容和解决的关键问题 | 第12-14页 |
| 1.3.1 主要工作内容 | 第12-13页 |
| 1.3.2 解决问题的困难 | 第13-14页 |
| 1.4 本章小结 | 第14-15页 |
| 第2章 车牌定位方法研究 | 第15-25页 |
| 2.1 车牌基本特征 | 第15-16页 |
| 2.2 车牌定位常用方法有缺点分析 | 第16-17页 |
| 2.3 基于颜色划分与投影技术相融合的车牌精确定位算法 | 第17-24页 |
| 2.3.1 基于HSI和YUV的车牌初定位 | 第18-19页 |
| 2.3.2 图像的二值化处理 | 第19-21页 |
| 2.3.3 基于投影技术的车牌精确定位 | 第21页 |
| 2.3.4 车牌图像的倾斜矫正 | 第21-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 车牌字符的分割 | 第25-33页 |
| 3.1 概述 | 第25-26页 |
| 3.2 基于连通域的字符分割方法 | 第26-28页 |
| 3.3 基于垂直投影法的字符分割方法 | 第28-30页 |
| 3.4 改善后的垂直投影法的字符分割算法 | 第30-32页 |
| 3.4.1 优化方式 | 第30页 |
| 3.4.2 实现步骤 | 第30-31页 |
| 3.4.3 结果分析 | 第31-32页 |
| 3.5 本章小节 | 第32-33页 |
| 第4章 字符的识别 | 第33-40页 |
| 4.1 我国车牌字符特点 | 第33-34页 |
| 4.2 常用字符识别算法对比 | 第34-36页 |
| 4.2.1 基于特征统计的识别方法 | 第34页 |
| 4.2.2 基于模板匹配的识别方法 | 第34-35页 |
| 4.2.3 基于BP神经网络的识别算法 | 第35-36页 |
| 4.3 传统的模板匹配算法缺点分析 | 第36-37页 |
| 4.4 改进型的多模板匹配的字符识别方法 | 第37-39页 |
| 4.4.1 多模板字符库的构建 | 第37-38页 |
| 4.4.2 改进的模板匹配算法 | 第38-39页 |
| 4.4.3 实验结果分析 | 第39页 |
| 4.5 本章小结 | 第39-40页 |
| 第5章 系统的设计和实现 | 第40-47页 |
| 5.1 系统的构成 | 第40-41页 |
| 5.2 基于OPEN CV的车牌自动识别系统功能模块 | 第41-42页 |
| 5.3 系统功能的实现 | 第42-44页 |
| 5.4 系统功能实验 | 第44-46页 |
| 5.4.1 实验车牌的获取 | 第44页 |
| 5.4.2 实验数据的分析 | 第44-46页 |
| 5.5 本章小结 | 第46-47页 |
| 第6章 结论与展望 | 第47-49页 |
| 6.1 结论 | 第47页 |
| 6.2 展望 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 致谢 | 第53-54页 |
| 附录 | 第54页 |