| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9页 |
| 1.2 国内外车牌识别系统的研究现状 | 第9-11页 |
| 1.2.1 车牌识别算法的研究现状 | 第10-11页 |
| 1.2.2 车牌识别系统实现方式的研究现状 | 第11页 |
| 1.3 SOPC 系统介绍 | 第11-12页 |
| 1.3.1 SOPC 技术简介 | 第11-12页 |
| 1.3.2 SOPC 技术的特点 | 第12页 |
| 1.4 本论文研究内容和研究方法 | 第12-13页 |
| 1.5 论文的结构安排 | 第13-15页 |
| 第二章 车牌识别系统算法研究及实现 | 第15-37页 |
| 2.1 基于边缘检测与形态学的车牌定位 | 第16-21页 |
| 2.1.1 车牌图像预处理 | 第16-17页 |
| 2.1.2 车牌区域边缘检测 | 第17-18页 |
| 2.1.3 形态学填充处理 | 第18-20页 |
| 2.1.4 连通区域处理 | 第20页 |
| 2.1.5 蒙板判别及宽度补偿 | 第20-21页 |
| 2.2 基于投影和多级筛选的字符分割 | 第21-27页 |
| 2.2.1 灰度变换与二值化 | 第21-23页 |
| 2.2.2 基于 Radon 变换的车牌倾斜校正 | 第23-25页 |
| 2.2.3 字符上下分割 | 第25页 |
| 2.2.4 字符左右分割 | 第25-26页 |
| 2.2.5 分级筛选 | 第26-27页 |
| 2.3 基于神经网络与形近类字符精判别的字符识别 | 第27-36页 |
| 2.3.1 特征提取 | 第27-28页 |
| 2.3.2 BP 网络简介 | 第28-32页 |
| 2.3.3 BP 网络设计 | 第32-33页 |
| 2.3.4 形体相近字符识别校正网络设计 | 第33-35页 |
| 2.3.5 实验数据与结论 | 第35-36页 |
| 2.4 本章总结 | 第36-37页 |
| 第三章 基于 SOPC 技术的车牌识别系统实现方法研究 | 第37-55页 |
| 3.1 SOPC 技术开发流程 | 第37-39页 |
| 3.1.1 基于 SOPC 技术的硬件开发介绍 | 第38页 |
| 3.1.2 基于 SOPC 技术的软件开发介绍 | 第38-39页 |
| 3.2 车牌识别系统核心器件选型 | 第39-40页 |
| 3.2.1 系统核心处理器 | 第39页 |
| 3.2.2 图像传感器 | 第39-40页 |
| 3.2.3 视频解码芯片 | 第40页 |
| 3.2.4 存储器 | 第40页 |
| 3.2.5 其它器件的选择 | 第40页 |
| 3.3 NiosII 处理器系统设计 | 第40-45页 |
| 3.3.1 车牌识别系统 IP 核介绍 | 第41页 |
| 3.3.2 NiosII 处理器设计 | 第41-42页 |
| 3.3.3 IP 核模块配置 | 第42-43页 |
| 3.3.4 IP 核参数设置 | 第43页 |
| 3.3.5 指定基地址和中断号 | 第43-44页 |
| 3.3.6 建立锁相环 PLL 模块 | 第44页 |
| 3.3.7 编译 NiosII 系统 | 第44-45页 |
| 3.4 基于 SOPC 技术车牌识别系统实现 | 第45-55页 |
| 3.4.1 图像信息采集模块设计 | 第45-50页 |
| 3.4.2 基于 SOPC 技术车牌识别系统硬件加速设计 | 第50-51页 |
| 3.4.3 基于 SOPC 技术车牌识别系统软件实现设计 | 第51-53页 |
| 3.4.4 系统显示模块设计 | 第53-55页 |
| 第四章 系统测试 | 第55-62页 |
| 4.1 车牌识别算法仿真及结果分析 | 第55-59页 |
| 4.1.1 车牌识别算法测试结果 | 第55-59页 |
| 4.1.2 软件测试结果分析 | 第59页 |
| 4.2 RGB 和 HSV 空间转换算法硬件加速模块测试结果分析 | 第59-62页 |
| 结论与展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 攻读硕士学位期间发表的学术论文 | 第67-68页 |
| 致谢 | 第68页 |
