| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 课题的研究背景与意义 | 第11页 |
| 1.2 车牌辨别的技术简介 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-13页 |
| 1.4 车牌识别系统的技术难关 | 第13-14页 |
| 1.5 论文的主要研究内容 | 第14-15页 |
| 第2章 车牌图像预处理 | 第15-24页 |
| 2.1 彩色图像灰度化 | 第15-16页 |
| 2.2 增强对比度 | 第16-17页 |
| 2.3 图像效果改善 | 第17-19页 |
| 2.4 图像二值化 | 第19-20页 |
| 2.5 边缘检测 | 第20-22页 |
| 2.6 本章小结 | 第22-24页 |
| 第3章 车牌定位技术 | 第24-29页 |
| 3.1 车牌特征 | 第24-26页 |
| 3.2 常用的车牌定位算法 | 第26-27页 |
| 3.3 本文所采用的车牌定位方法 | 第27-28页 |
| 3.3.1 车牌区域粗定位 | 第27页 |
| 3.3.2 车牌区域的细定位 | 第27-28页 |
| 3.4 本章小结 | 第28-29页 |
| 第4章 车牌字符分割 | 第29-33页 |
| 4.1 倾斜度调整 | 第29-30页 |
| 4.2 字符分割 | 第30-31页 |
| 4.2.1 字符分割的主要算法 | 第30-31页 |
| 4.3 字符归一化处理 | 第31-32页 |
| 4.4 本章小结 | 第32-33页 |
| 第5章 车牌字符识别系统 | 第33-42页 |
| 5.1 模式识别技术概述 | 第33-34页 |
| 5.1.1 模式识别技术 | 第33页 |
| 5.1.2 模式识别系统的构成 | 第33-34页 |
| 5.2 车牌字符特征 | 第34-35页 |
| 5.3 车牌字符识别特点 | 第35-36页 |
| 5.4 车牌字符识别算法 | 第36-41页 |
| 5.4.1 基于支持向量的识别算法 | 第36-37页 |
| 5.4.2 基于模板匹配的识别方法[ 28][ 29][30] | 第37页 |
| 5.4.3 基于人工神经网络的识别方法 | 第37-39页 |
| 5.4.4 基于字符特征的识别方法 | 第39-41页 |
| 5.5 本章小结 | 第41-42页 |
| 第6章 车牌识别系统的软件设计及运行情况 | 第42-57页 |
| 6.1 C++语言简介 | 第42-43页 |
| 6.2 微软基础类(MFC) | 第43页 |
| 6.3 计算机视觉库 OPENCV | 第43-45页 |
| 6.3.1 OpenCV 特点 | 第44页 |
| 6.3.2 OpenCV 构成 | 第44页 |
| 6.3.3 OpenCV 的应用 | 第44-45页 |
| 6.4 车牌识别系统结构及其相关软件函数 | 第45-46页 |
| 6.5 车牌识别系统软件设计 | 第46-50页 |
| 6.5.1 预处理 | 第46-48页 |
| 6.5.2 车牌区域定位 | 第48-50页 |
| 6.6 字符分割系统 | 第50-53页 |
| 6.7 车牌字符识别系统 | 第53-56页 |
| 6.8 车牌识别数据记录 | 第56页 |
| 6.9 本章小结 | 第56-57页 |
| 第7章 总结 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 作者简介及在学期间所取得的科研成果 | 第61-62页 |
| 致谢 | 第62页 |