| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 1 绪论 | 第10-16页 |
| ·研究背景、目的及意义 | 第10-11页 |
| ·车牌识别技术概述与研究现状 | 第11-13页 |
| ·车牌识别的技术概述 | 第11-12页 |
| ·车牌识别的发展现状 | 第12-13页 |
| ·车牌识别技术应用前景 | 第13-14页 |
| ·本文的主要内容 | 第14-16页 |
| 2 车牌识别系统综述 | 第16-26页 |
| ·系统整体概述 | 第16-21页 |
| ·车牌识别系统设计要求 | 第16页 |
| ·系统工作流程 | 第16-17页 |
| ·系统结构方案 | 第17-18页 |
| ·识别系统各模块功能分析 | 第18-21页 |
| ·FPGA 与 NIOSII 嵌入式软核概述 | 第21-24页 |
| ·车牌识别算法的评价指标 | 第24页 |
| ·车牌识别系统的开发难点 | 第24-26页 |
| 3 车牌字符识别图像预处理 | 第26-42页 |
| ·256 色DIB 位图灰度化 | 第26-28页 |
| ·BMP 文件中DIB 结构 | 第26-27页 |
| ·位图灰度化处理 | 第27-28页 |
| ·中值滤波去噪 | 第28-29页 |
| ·车牌图像中值滤波 | 第28-29页 |
| ·中值滤波的去噪性能分析 | 第29页 |
| ·灰度图像二值化 | 第29-32页 |
| ·车牌二值化算法优劣研究 | 第30页 |
| ·改进型OTSU 算法二值化 | 第30-32页 |
| ·车牌字符分割算法研究与设计 | 第32-36页 |
| ·车牌字符结构与图像投影 | 第32-33页 |
| ·车牌字符分割算法研究 | 第33-34页 |
| ·改进型投影分割算法 | 第34-35页 |
| ·试验结果与分析 | 第35-36页 |
| ·尺度归一与紧缩重排 | 第36-37页 |
| ·车牌字符特征选择与提取 | 第37-42页 |
| ·分类特征标准 | 第38页 |
| ·特征提取技术研究 | 第38-39页 |
| ·非均匀网格特征提取设计 | 第39-42页 |
| 4 基于BP 神经网络的识别算法设计与优化 | 第42-64页 |
| ·人工神经网络 | 第42-47页 |
| ·人工神经网络概述 | 第42-43页 |
| ·人工神经网络的构成与学习规则 | 第43-47页 |
| ·车牌识别中的 BP 神经网络应用 | 第47-50页 |
| ·BP 神经网络介绍 | 第47页 |
| ·Sigmoid 激活函数的BP 网络算法 | 第47-50页 |
| ·基于BP 算法的三层前馈网络用于车牌识别建模 | 第50-60页 |
| ·基于车牌识别的BP 网络结构设计 | 第50-54页 |
| ·构建的BP 网络算法程序实现 | 第54-56页 |
| ·车牌特征的网络训练与测试 | 第56-60页 |
| ·BP 算法针对车牌识别的改进与收敛加速 | 第60-64页 |
| ·样本轮训的权值调整算法改进 | 第60-62页 |
| ·BP 学习算法中学习速率的提高 | 第62-64页 |
| 5 车牌识别系统架构及硬件设计 | 第64-75页 |
| ·车牌识别系统总体结构设计 | 第64-65页 |
| ·系统硬件结构分析 | 第64页 |
| ·芯片选型 | 第64-65页 |
| ·系统硬件整体结构设计 | 第65页 |
| ·NIOSII 嵌入式CPU 系统开发 | 第65-68页 |
| ·NIOSII 嵌入式CPU 搭建 | 第65-67页 |
| ·浮点算法自定义指令硬件化 | 第67-68页 |
| ·基于LCD 的液晶显示模块设计 | 第68-71页 |
| ·TRDB-LCM 结构与特性 | 第68-69页 |
| ·NIOSII 软核与 TRDB-LCM 模块接口设计 | 第69-71页 |
| ·系统硬件集成 | 第71-75页 |
| 6 总结与展望 | 第75-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-80页 |
| 附录 | 第80-82页 |
| 作者攻读硕士学位期间发表的论文目录 | 第80-82页 |