| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 概述 | 第8-14页 |
| 1.1 智能交通系统 | 第8页 |
| 1.1.1 智能交通简介 | 第8页 |
| 1.1.2 汽车牌照的识别在智能化公共交通工具使用意义 | 第8页 |
| 1.2 课题的研究意义和研究背景 | 第8-9页 |
| 1.3 车牌识别系统简介 | 第9-11页 |
| 1.4 汽车牌照的研究在国内与国外进展的状况 | 第11页 |
| 1.5 车牌识别的主要技术难点 | 第11-12页 |
| 1.6 本文的主要工作和结构安排 | 第12-14页 |
| 2 车牌定位 | 第14-30页 |
| 2.1 车牌定位方法介绍 | 第14-15页 |
| 2.2 车牌图像采集 | 第15-18页 |
| 2.2.1 图像采集模块工作方式 | 第15页 |
| 2.2.2 图像采集模块的工作原理 | 第15-18页 |
| 2.3 车牌图像的预处理 | 第18-20页 |
| 2.3.1 图像灰度化 | 第18页 |
| 2.3.2 图像增强 | 第18-20页 |
| 2.4 车牌边缘检测技术 | 第20-23页 |
| 2.4.1 梯度算子 | 第21-22页 |
| 2.4.2 拉普拉斯算子(Laplacian) | 第22-23页 |
| 2.5 利用车牌颜色的定位算法 | 第23-27页 |
| 2.5.1 颜色模型 | 第23-25页 |
| 2.5.2 车牌图像的二值化 | 第25-27页 |
| 2.5.3 值图像的数学形态学处理 | 第27页 |
| 2.6 基于颜色的牌照定位过程 | 第27-29页 |
| 2.7 本章小结 | 第29-30页 |
| 3 车牌字符分割 | 第30-39页 |
| 3.1 常用分割算法介绍 | 第30-31页 |
| 3.2 车牌倾斜矫正 | 第31-35页 |
| 3.2.1 重心法 | 第32页 |
| 3.2.2 Hough变换法 | 第32-35页 |
| 3.3 去除车牌上下边界 | 第35页 |
| 3.4 灰度投影法的车牌字符分割 | 第35-38页 |
| 3.5 本章小结 | 第38-39页 |
| 4 车牌字符识别 | 第39-45页 |
| 4.1 车牌字符识别概述 | 第39页 |
| 4.2 车牌字符的归一化 | 第39-41页 |
| 4.2.1 字符的位置归一化 | 第39-40页 |
| 4.2.2 字符的大小归一化 | 第40-41页 |
| 4.3 基于BP神经网络的车牌字符识别 | 第41-44页 |
| 4.3.1 字符的特征提取 | 第41页 |
| 4.3.2 BP神经网络原理的介绍 | 第41-43页 |
| 4.3.3 BP神经网络在车牌字符识别过程中的应用 | 第43-44页 |
| 4.3.4 实验的测试及对结果分析 | 第44页 |
| 4.4 本章总结 | 第44-45页 |
| 5 车牌识别系统仿真实现 | 第45-48页 |
| 5.1 系统的实现流程 | 第45页 |
| 5.2 系统的运行界面 | 第45-47页 |
| 5.3 实验的结果分析 | 第47-48页 |
| 总结 | 第48-49页 |
| 参考文献 | 第49-51页 |
| 致谢 | 第51-52页 |