| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 引言 | 第9-14页 |
| 1.1 课题的研究背景 | 第9-10页 |
| 1.2 课题的研究意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-12页 |
| 1.4 本文研究内容 | 第12-13页 |
| 1.5 本文章节安排 | 第13-14页 |
| 第2章 检测系统的硬件方案设计 | 第14-23页 |
| 2.1 汽车仪表检测系统的构架 | 第14-15页 |
| 2.2 信号驱动单元的设计 | 第15-19页 |
| 2.2.1 信号驱动单元参数指标 | 第15-16页 |
| 2.2.2 信号驱动单元总体方案设计 | 第16页 |
| 2.2.3 各类信号的驱动电路设计 | 第16-19页 |
| 2.3 仪表盘图像采集单元 | 第19-22页 |
| 2.3.1 工业相机选型 | 第20-21页 |
| 2.3.2 镜头选型 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 图像预处理和显示区域定位 | 第23-46页 |
| 3.1 数字图像处理技术概述 | 第23-24页 |
| 3.2 图像预处理 | 第24-33页 |
| 3.2.1 图像灰度化 | 第24-26页 |
| 3.2.2 图像滤波 | 第26-28页 |
| 3.2.3 图像二值化 | 第28-31页 |
| 3.2.4 形态学处理 | 第31-33页 |
| 3.3 角点检测 | 第33-39页 |
| 3.3.1 Harris角点检测算法 | 第33-35页 |
| 3.3.2 SUSAN角点检测算法 | 第35-36页 |
| 3.3.3 ACSS角点检测算法 | 第36-39页 |
| 3.4 液晶显示区域的定位方法 | 第39-45页 |
| 3.4.1 基于改进ACSS算法的显示区域初步定位 | 第40-41页 |
| 3.4.2 液晶显示区域的精确定位 | 第41-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第4章 液晶符号识别 | 第46-60页 |
| 4.1 字符识别算法概述 | 第46-48页 |
| 4.1.1 模板匹配法 | 第47页 |
| 4.1.2 支持向量机法 | 第47-48页 |
| 4.1.3 人工神经网络法 | 第48页 |
| 4.2 基于BP网络的字符串识别 | 第48-54页 |
| 4.2.1 字符串预处理 | 第48-49页 |
| 4.2.2 字符分割 | 第49-50页 |
| 4.2.3 BP神经网络识别字符 | 第50-54页 |
| 4.3 其他液晶符号识别 | 第54-57页 |
| 4.3.1 特殊符号的识别 | 第54-56页 |
| 4.3.2 进度条符号的识别 | 第56-57页 |
| 4.4 其他检测项目的检测方法 | 第57-59页 |
| 4.4.1 LED指示灯检测 | 第57-58页 |
| 4.4.2 指针转角检测 | 第58-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第5章 汽车仪表检测系统的实现 | 第60-66页 |
| 5.1 检测系统的基本功能 | 第60页 |
| 5.2 检测系统软件平台设计 | 第60-65页 |
| 5.2.1 软件开发环境 | 第60-61页 |
| 5.2.2 检测系统软件构架 | 第61页 |
| 5.2.3 检测系统的功能模块说明 | 第61-62页 |
| 5.2.4 检测系统的用户界面 | 第62-65页 |
| 5.3 本章小结 | 第65-66页 |
| 第6章 总结和展望 | 第66-68页 |
| 6.1 总结 | 第66-67页 |
| 6.2 展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 在学期间科研成果 | 第71-72页 |
| 在学期间参与项目 | 第72-73页 |
| 致谢 | 第73页 |