| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 车牌识别系统研究的背景及意义 | 第10-11页 |
| 1.2 车牌识别系统的研究现状 | 第11-12页 |
| 1.3 目前车牌识别系统所面临的问题 | 第12-14页 |
| 1.4 车牌识别系统的发展趋势 | 第14-15页 |
| 1.5 本文的主要研究内容 | 第15页 |
| 1.6 本章小结 | 第15-16页 |
| 第二章 车牌识别系统概述 | 第16-20页 |
| 2.1 我国车牌区域的特征 | 第16-18页 |
| 2.1.1 我国车牌的分类、尺寸及颜色特征 | 第16-17页 |
| 2.1.2 我国车牌的字符编码规则 | 第17-18页 |
| 2.2 系统的整体设计方案 | 第18页 |
| 2.3 系统的算法流程 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 嵌入式平台设计 | 第20-28页 |
| 3.1 硬件平台设计 | 第20-24页 |
| 3.1.1 CPU模块 | 第20-21页 |
| 3.1.2 摄像头模块 | 第21-23页 |
| 3.1.3 网口通信模块 | 第23-24页 |
| 3.2 软件平台设计 | 第24-27页 |
| 3.2.1 Ubuntu操作系统介绍 | 第24-25页 |
| 3.2.2 OpenCV数据库配置 | 第25-26页 |
| 3.2.3 交叉编译 | 第26页 |
| 3.2.4 上位机人机界面设计 | 第26-27页 |
| 3.3 本章小结 | 第27-28页 |
| 第四章 车牌定位 | 第28-54页 |
| 4.1 图像预处理 | 第28-31页 |
| 4.1.1 图像灰度化 | 第28-29页 |
| 4.1.2 图像增强 | 第29页 |
| 4.1.3 图像滤波 | 第29-31页 |
| 4.2 常见的车牌定位方法概述 | 第31-34页 |
| 4.2.1 基于颜色的车牌定位方法 | 第31-33页 |
| 4.2.2 基于Harris角点检测的车牌定位方法 | 第33-34页 |
| 4.3 基于边缘检测和数学形态学的车牌初定位 | 第34-45页 |
| 4.3.1 几种常用的边缘检测算子 | 第34-36页 |
| 4.3.2 Sobel算子对车牌边缘检测 | 第36-38页 |
| 4.3.3 对边缘图像进行形态学处理 | 第38-42页 |
| 4.3.4 车牌的分割 | 第42-45页 |
| 4.4 车牌精确定位 | 第45-53页 |
| 4.4.1 SVM的分类思想 | 第45-46页 |
| 4.4.2 最优超平面的确定 | 第46-47页 |
| 4.4.3 SVM车牌定位的实现 | 第47-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 基于人工神经网络的车牌字符识别 | 第54-70页 |
| 5.1 车牌字符分割 | 第54-59页 |
| 5.1.1 车牌图像二值化 | 第55页 |
| 5.1.2 常见的车牌字符分割方法 | 第55-57页 |
| 5.1.3 本文采用的分割法 | 第57-59页 |
| 5.2 字符特征提取 | 第59-61页 |
| 5.3 人工神经网络模型设计 | 第61-67页 |
| 5.3.1 人工神经元简介 | 第61-63页 |
| 5.3.2 神经网络的拓扑结构 | 第63-64页 |
| 5.3.3 人工神经网络的训练 | 第64-67页 |
| 5.4 车牌识别结果分析 | 第67-69页 |
| 5.5 本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 总结 | 第70页 |
| 6.2 展望 | 第70-72页 |
| 参考文献 | 第72-74页 |
| 致谢 | 第74页 |