摘要 | 第3-5页 |
ABSTRACT | 第5-6页 |
图表目录 | 第10-15页 |
第一章 绪论 | 第15-21页 |
1.1 研究背景 | 第15-17页 |
1.2 车牌识别系统现状 | 第17-18页 |
1.2.1 国内外车牌识别研究现状 | 第17页 |
1.2.2 车牌识别技术的应用情况 | 第17-18页 |
1.3 本课题的研究内容 | 第18-19页 |
1.4 论文结构 | 第19-21页 |
第二章 总体设计 | 第21-25页 |
2.1 车牌识别系统总体设计 | 第21页 |
2.2 系统硬件设计 | 第21页 |
2.3 系统软件设计 | 第21-22页 |
2.4 本章小结 | 第22-25页 |
第三章 基于像素累加值比较和 MER 的车牌定位算法 | 第25-53页 |
3.1 车辆图像预处理 | 第25-31页 |
3.2 基于小波变换多分辨率思想的车牌边缘提取 | 第31-39页 |
3.2.1 常见的边缘检测算子 | 第31-33页 |
3.2.2 基于小波变换的车牌边缘提取 | 第33-39页 |
3.3 常见车牌定位算法 | 第39-44页 |
3.4 基于像素累加值比较和 MER 的车牌定位算法 | 第44-51页 |
3.4.1 结构元素的选取 | 第44-45页 |
3.4.2 提取车牌候选区域 | 第45-47页 |
3.4.3 车牌精确定位 | 第47-51页 |
3.5 本章小结 | 第51-53页 |
第四章 车牌字符切分算法 | 第53-71页 |
4.1 改进后的基于全局阈值化的 Otsu 算法 | 第53-59页 |
4.1.1 二值化基本原理 | 第53页 |
4.1.2 Otsu 算法 | 第53-55页 |
4.1.3 改进后的 Otsu 算法 | 第55-59页 |
4.2 基于 Radon 变换和坐标变换的倾斜校正算法 | 第59-66页 |
4.3 基于二值化图像垂直投影图的字符切分算法 | 第66-68页 |
4.4 本章小结 | 第68-71页 |
第五章 车牌字符识别算法 | 第71-87页 |
5.1 车牌字符识别算法综述 | 第71-72页 |
5.2 传统模板匹配字符识别算法 | 第72-76页 |
5.3 基于字符特征提取的模板匹配算法 | 第76-78页 |
5.3.1 创建匹配模板 | 第76页 |
5.3.2 车牌特征提取 | 第76-77页 |
5.3.3 模板匹配 | 第77-78页 |
5.4 基于 BP 神经网络的有动量的梯度下降法 | 第78-85页 |
5.4.1 BP 神经网络简介 | 第78-82页 |
5.4.2 使用有动量的梯度下降法改进 BP 网络 | 第82-85页 |
5.5 本章小结 | 第85-87页 |
第六章 测试界面搭建及测试 | 第87-93页 |
6.1 测试界面搭建 | 第87-89页 |
6.1.1 创建图形用户界面 | 第87-88页 |
6.1.2 创建车牌识别测试界面 | 第88-89页 |
6.2 测试过程 | 第89-91页 |
6.3 本章小结 | 第91-93页 |
第七章 总结与展望 | 第93-95页 |
7.1 总结 | 第93-94页 |
7.2 展望 | 第94-95页 |
参考文献 | 第95-101页 |
致谢 | 第101-103页 |
攻读学位期间发表的学术论文 | 第103页 |