基于ZYNQ平台硬件加速的车牌识别技术及其应用研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.3 本文主要内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第2章 车牌识别关键技术与理论 | 第17-29页 |
| 2.1 车牌识别技术概述 | 第17-19页 |
| 2.1.1 车牌识别技术工作原理 | 第17页 |
| 2.1.2 车牌识别技术工作流程 | 第17-19页 |
| 2.2 车牌识别经典算法 | 第19-23页 |
| 2.2.1 车牌提取算法 | 第19-20页 |
| 2.2.2 车牌字符分割算法 | 第20-21页 |
| 2.2.3 车牌字符识别算法 | 第21-23页 |
| 2.3 数字图像处理技术 | 第23-27页 |
| 2.3.1 灰度化 | 第23-24页 |
| 2.3.2 二值化 | 第24页 |
| 2.3.3 图像滤波 | 第24-26页 |
| 2.3.4 边缘检测算子 | 第26-27页 |
| 2.4 高层次综合技术 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 车牌识别算法研究 | 第29-49页 |
| 3.1 车牌图像预处理 | 第29-31页 |
| 3.2 基于改进阈值和特征计算的车牌提取算法 | 第31-38页 |
| 3.2.1 车牌结构特征 | 第31-32页 |
| 3.2.2 Sobel边缘检测及改进 | 第32-35页 |
| 3.2.3 结构元素的设置与改进 | 第35-37页 |
| 3.2.4 特征提取和计算 | 第37-38页 |
| 3.3 霍夫变换倾斜校正与改进 | 第38-41页 |
| 3.3.1 霍夫变换倾斜校正 | 第38-40页 |
| 3.3.2 校正方法的改进 | 第40页 |
| 3.3.3 旋转变换 | 第40-41页 |
| 3.4 基于像素纵坐标极差的字符分割算法 | 第41-44页 |
| 3.4.1 传统投影法及其弊端 | 第41页 |
| 3.4.2 像素纵坐标极差 | 第41-44页 |
| 3.5 基于相似度函数的字符识别算法 | 第44-48页 |
| 3.5.1 传统匹配法及其弊端 | 第44页 |
| 3.5.2 模板以及匹配函数的改进 | 第44-48页 |
| 3.6 本章小结 | 第48-49页 |
| 第4章 基于ZYNQ的车牌识别技术硬件平台设计 | 第49-67页 |
| 4.1 硬件开发平台 | 第49-51页 |
| 4.1.1 ZYNQ平台 | 第49-50页 |
| 4.1.2 ZYBO板卡 | 第50-51页 |
| 4.2 开发工具 | 第51-53页 |
| 4.3 系统软硬件总体架构 | 第53-57页 |
| 4.3.1 总体设计方案 | 第53-54页 |
| 4.3.2 PL与PS交互 | 第54-55页 |
| 4.3.3 PL与PS数据传输设计 | 第55-57页 |
| 4.4 图像预处理硬件加速设计 | 第57-61页 |
| 4.5 软硬件系统集成 | 第61-65页 |
| 4.6 本章小结 | 第65-67页 |
| 第5章 基于ZYNQ的车牌识别系统设计与实验验证 | 第67-79页 |
| 5.1 车牌识别系统模块设计 | 第67-68页 |
| 5.2 系统环境搭建与配置 | 第68-72页 |
| 5.3 BSP板级支持包设计与实现 | 第72-73页 |
| 5.4 实验验证 | 第73-77页 |
| 5.4.1 不同环境下的测试 | 第73-76页 |
| 5.4.2 实验结果汇总与分析 | 第76-77页 |
| 5.5 本章小结 | 第77-79页 |
| 结论 | 第79-81页 |
| 参考文献 | 第81-85页 |
| 攻读硕士学位期间取得的研究成果 | 第85-87页 |
| 致谢 | 第87页 |
