| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第9-12页 |
| 1.1 车牌识别技术的研究背景与意义 | 第9-10页 |
| 1.2 VLPR的过去、现在与未来 | 第10-12页 |
| 第2章 车牌定位 | 第12-24页 |
| 2.1 中国车牌的特征 | 第12-13页 |
| 2.2 基本车牌定位算法 | 第13-14页 |
| 2.2.1 基于颜色特征的车牌定位算法 | 第13页 |
| 2.2.2 基于几何特征的车牌定位算法 | 第13-14页 |
| 2.2.3 基于灰度特征的车牌定位算法 | 第14页 |
| 2.3 边缘检测与形态学相结合的车牌定位算法 | 第14-23页 |
| 2.3.1 图像增强 | 第14-15页 |
| 2.3.2 图像灰度化 | 第15-16页 |
| 2.3.3 边缘检测 | 第16-20页 |
| 2.3.4 二值化 | 第20-21页 |
| 2.3.5 形态学处理 | 第21-23页 |
| 2.3.6 连通域筛选 | 第23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 字符分割 | 第24-37页 |
| 3.1 倾斜矫正 | 第25-28页 |
| 3.1.1 重心检测法 | 第25页 |
| 3.1.2 霍夫变换检测法 | 第25-26页 |
| 3.1.3 投影检测法 | 第26-28页 |
| 3.2 字符分割 | 第28-35页 |
| 3.2.1 直接投影法 | 第28-31页 |
| 3.2.2 聚类连通域分割法 | 第31-32页 |
| 3.2.3 模板匹配法 | 第32-34页 |
| 3.2.4 以后定前分割法 | 第34-35页 |
| 3.3 归一化 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 车牌字符识别 | 第37-50页 |
| 4.1 常用字符识别方法 | 第37页 |
| 4.1.1 模板匹配方法 | 第37页 |
| 4.1.2 神经网络识别方法 | 第37页 |
| 4.1.3 统计模式识别方法 | 第37页 |
| 4.2 支持向量机 | 第37-43页 |
| 4.2.1 分类问题与分类机 | 第38页 |
| 4.2.2 最大间隔法 | 第38-40页 |
| 4.2.3 线性不可分 | 第40-41页 |
| 4.2.4 非线性分划 | 第41-43页 |
| 4.3 多分类问题的求解 | 第43-49页 |
| 4.3.1 多对多分类 | 第43页 |
| 4.3.2 一对多分类 | 第43-44页 |
| 4.3.3 纠错输出编码 | 第44-45页 |
| 4.3.4 决策树法 | 第45页 |
| 4.3.5 基于先验知识的决策树法 | 第45-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 基于FPGA的车牌识别系统的实现 | 第50-62页 |
| 5.1 车牌识别系统整体构架 | 第50页 |
| 5.2 复用二值化模块的硬件实现 | 第50-54页 |
| 5.3 车牌定位模块硬件实现 | 第54-55页 |
| 5.4 字符分割模块硬件实现 | 第55-56页 |
| 5.5 字符识别模块的实现 | 第56-59页 |
| 5.5.1 基于SOPC Builder的字符识别硬件开发 | 第57-58页 |
| 5.5.2 基于Nios Ⅱ IDE的软件开发 | 第58-59页 |
| 5.6 实验结果与分析 | 第59-60页 |
| 5.7 本章小结 | 第60-62页 |
| 总结 | 第62-63页 |
| 参考文献 | 第63-65页 |
| 作者简介与科研成果 | 第65-66页 |
| 致谢 | 第66页 |