车牌识别算法及其在QT平台上的实现
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 课题研究背景与意义 | 第8-10页 |
| 1.2 国内外相关课题研究现状 | 第10页 |
| 1.3 车牌识别系统总体概况 | 第10-12页 |
| 1.4 课题研究内容及结构安排 | 第12页 |
| 1.5 本章小结 | 第12-13页 |
| 第二章 车牌图像预处理 | 第13-17页 |
| 2.1 车牌区域特征 | 第13-14页 |
| 2.2 图像的度化 | 第14-15页 |
| 2.3 图像增强 | 第15页 |
| 2.4 图像滤波 | 第15-16页 |
| 2.5 本章总结 | 第16-17页 |
| 第三章 车牌定位与倾斜校正 | 第17-27页 |
| 3.1 基于图像颜色的车牌定位方法 | 第17-18页 |
| 3.2 基于图像的边缘检测的定位方法 | 第18页 |
| 3.3 基于图像能量的车牌定位方法 | 第18-24页 |
| 3.3.1 构造灰度图像的能量图 | 第19-21页 |
| 3.3.2 车牌区域的初定位 | 第21-22页 |
| 3.3.3 车牌区域的准确定位 | 第22页 |
| 3.3.4 构造图像能量图算法实现 | 第22-24页 |
| 3.4 车牌倾斜校正 | 第24-26页 |
| 3.4.1 常用的车牌倾斜校正方法 | 第25页 |
| 3.4.2 基于重心拟合的车牌倾斜校正方法 | 第25-26页 |
| 3.5 本章总结 | 第26-27页 |
| 第四章 车牌字符识别 | 第27-37页 |
| 4.1 车牌字符分割 | 第27-29页 |
| 4.1.1 常用字符分割方法 | 第27-28页 |
| 4.1.2 基于投影法的车牌字符分割 | 第28-29页 |
| 4.2 字符归一化 | 第29页 |
| 4.3 字符识别 | 第29-36页 |
| 4.3.1 常用的字符识别方法 | 第29-30页 |
| 4.3.2 基于BP神经网络的字符识别方法 | 第30-36页 |
| 4.4 本章总结 | 第36-37页 |
| 第五章 车牌识别系统的设计与实现 | 第37-51页 |
| 5.1 OPENCV的介绍 | 第38-40页 |
| 5.1.1 OpenCV的主要特征 | 第39页 |
| 5.1.2 OpenCV的主要功能 | 第39-40页 |
| 5.1.3 OpenCV的主要模块 | 第40页 |
| 5.2 QT图形化界面设计 | 第40-46页 |
| 5.2.1 Qt介绍 | 第40-41页 |
| 5.2.2 选择Qt的原因 | 第41页 |
| 5.2.3 Qt的体系结构 | 第41-43页 |
| 5.2.4 车牌识别系统GUI设计 | 第43-46页 |
| 5.3 实验结果 | 第46-50页 |
| 5.4 本章总结 | 第50-51页 |
| 第六章 结论与展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 在学期间的研究成果 | 第55-56页 |
| 致谢 | 第56页 |
