车牌自动识别系统的研制与开发
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·研究目的和意义 | 第8-9页 |
| ·车牌识别技术中的难点 | 第9-11页 |
| ·汽车牌照本身的特征 | 第9页 |
| ·外部环境的特征 | 第9-10页 |
| ·车牌识别系统应用方案的特征 | 第10页 |
| ·我国车辆牌照识别的特殊性 | 第10-11页 |
| ·车牌识别系统组成及原理 | 第11-13页 |
| ·研究现状 | 第13-14页 |
| ·本文的主要研究内容 | 第14-16页 |
| 第二章 视频采集与传输系统的设计 | 第16-22页 |
| ·系统的硬件设计 | 第16-18页 |
| ·视频采集模块的设计 | 第17-18页 |
| ·网络接口的设计 | 第18页 |
| ·系统的软件设计 | 第18-21页 |
| ·OV9640驱动的开发 | 第19-20页 |
| ·视频数据的网络传输 | 第20-21页 |
| ·小结 | 第21-22页 |
| 第三章 图像预处理 | 第22-34页 |
| ·数字图像处理概述 | 第22-26页 |
| ·数字图像处理简介 | 第22-23页 |
| ·数字图像处理的基本内容 | 第23-25页 |
| ·数字图像处理的特点及其与车牌识别技术的相同点 | 第25-26页 |
| ·预处理及其必要性 | 第26页 |
| ·车辆图像的灰度化 | 第26-28页 |
| ·图像增强 | 第28-33页 |
| ·图像增强的直方图修正 | 第30-32页 |
| ·同态增强方法 | 第32-33页 |
| ·小结 | 第33-34页 |
| 第四章 车牌定位 | 第34-50页 |
| ·车牌定位常用的方法 | 第34-39页 |
| ·基于灰度图像的车牌定位方法 | 第35-38页 |
| ·基于彩色图像的车牌定位 | 第38-39页 |
| ·本文定位方法的确定 | 第39-40页 |
| ·车牌区域的特征分析 | 第40-41页 |
| ·基于移差扫描和车牌区域特征的定位方法 | 第41-47页 |
| ·阈值变换 | 第41-43页 |
| ·移差法强化垂直边缘 | 第43-44页 |
| ·中值滤波 | 第44-46页 |
| ·牌照搜索 | 第46-47页 |
| ·截取牌照区域 | 第47页 |
| ·车辆牌照定位算法流程 | 第47-48页 |
| ·本章小结 | 第48-50页 |
| 第五章 字符分割 | 第50-63页 |
| ·车牌字符规律及几何特征 | 第50页 |
| ·字符分割的常用算法 | 第50-52页 |
| ·投影分割 | 第50-51页 |
| ·基于聚类分析的字符分割 | 第51页 |
| ·基于模版匹配的字符分割 | 第51-52页 |
| ·本文采用的字符分割方法 | 第52-62页 |
| ·数学形态学基础 | 第52-57页 |
| ·图像的预处理 | 第57-58页 |
| ·车牌图像的投影分割法 | 第58-59页 |
| ·对于字符中存在断裂情况的修复和交叠情况的分割 | 第59-62页 |
| ·本章小结 | 第62-63页 |
| 第六章 字符识别 | 第63-79页 |
| ·神经网络概述 | 第63-67页 |
| ·生物神经元 | 第64页 |
| ·人工神经元 | 第64-66页 |
| ·神经网络的学习 | 第66-67页 |
| ·误差反向传播学习算法---BP算法 | 第67-74页 |
| ·BP算法的推导过程 | 第67-69页 |
| ·BP网络的设计问题 | 第69-71页 |
| ·本文的BP神经网络与训练算法 | 第71-74页 |
| ·BP神经网络的设计和字符的识别 | 第74-78页 |
| ·分级分类的 BP神经网络的设计 | 第74-75页 |
| ·BP神经网络输出层和隐层节点数的选择 | 第75-76页 |
| ·字符识别 | 第76-77页 |
| ·字符识别结果 | 第77-78页 |
| ·小结 | 第78-79页 |
| 第七章 结束语 | 第79-81页 |
| ·难度分析 | 第79页 |
| ·主要工作 | 第79-80页 |
| ·存在的问题及展望 | 第80-81页 |
| 参考文献 | 第81-84页 |
| 攻读硕士学位期间发表的论文 | 第84-85页 |
| 致谢 | 第85-86页 |
