| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究目的与意义 | 第10-12页 |
| 1.1.1 中国目前路面交通状况 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外的研究现状 | 第12-15页 |
| 1.2.1 车牌定位识别 | 第12-13页 |
| 1.2.2 车型识别 | 第13页 |
| 1.2.3 车标定位 | 第13-14页 |
| 1.2.4 车标识别 | 第14-15页 |
| 1.3 市场分析 | 第15-17页 |
| 1.3.1 市场前景分析 | 第15-16页 |
| 1.3.2 市场效益分析 | 第16-17页 |
| 1.4 论文研究内容和组织结构 | 第17-19页 |
| 1.5 本章小结 | 第19-20页 |
| 第二章 主要研究内容与相关理论介绍 | 第20-29页 |
| 2.1 主要研究内容 | 第20页 |
| 2.2 需要解决的关键问题 | 第20-23页 |
| 2.3 相关理论介绍 | 第23-25页 |
| 2.3.1 车标简要介绍 | 第23-24页 |
| 2.3.2 智能交通管理系统简要介绍 | 第24-25页 |
| 2.4 相关技术基础 | 第25-28页 |
| 2.4.1 图像预处理技术 | 第25页 |
| 2.4.2 图像滤波处理 | 第25-26页 |
| 2.4.3 边缘检测 | 第26-27页 |
| 2.4.4 图像二值化 | 第27页 |
| 2.4.5 数学形态学 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于 HSV 颜色空间和灰度形态学的车牌定位 | 第29-36页 |
| 3.1 颜色模型 | 第30-31页 |
| 3.1.1 RGB 颜色模型 | 第31页 |
| 3.1.2 HSV 颜色模型 | 第31页 |
| 3.2 RGB 颜色空间转化为 HSV 颜色空间 | 第31-32页 |
| 3.3 确定车牌颜色在 HSV 空间的阈值 | 第32-33页 |
| 3.4 搜索候选区域，判断车牌区域 | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 基于车牌定位先验知识的车标定位 | 第36-43页 |
| 4.1 一种由粗到精的车标定位方法 | 第36-38页 |
| 4.2 基于车牌定位先验知识的车标粗定位 | 第38-40页 |
| 4.2.1 车标的特征 | 第38-39页 |
| 4.2.2 车标的粗定位 | 第39-40页 |
| 4.3 基于 SOBLE 算子的车标边缘检测 | 第40-41页 |
| 4.4 对车标区域进行形态学滤波处理 | 第41-42页 |
| 4.5 车标定位实验结果与分析 | 第42页 |
| 4.6 本章小结 | 第42-43页 |
| 第五章 基于 SIFT 算子的车标匹配识别 | 第43-50页 |
| 5.1 SIFT 算子简要介绍 | 第43页 |
| 5.2 特征向量提取 | 第43-47页 |
| 5.2.1 构建尺度空间 | 第44-45页 |
| 5.2.2 检测空间极值点，确定关键点 | 第45-46页 |
| 5.2.3 特征向量的生成 | 第46-47页 |
| 5.3 特征向量的匹配识别 | 第47-49页 |
| 5.4 本章小结 | 第49-50页 |
| 第六章 车标识别软件的实现 | 第50-55页 |
| 6.1 软件结构分析 | 第50-51页 |
| 6.2 软件主要功能与用户界面 | 第51-54页 |
| 6.3 本章小结 | 第54-55页 |
| 第七章 总结与展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 附件 | 第61页 |