基于OpenCV的车牌识别系统研究与实现
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 研究背景及研究意义 | 第12-13页 |
| 1.1.1 研究背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 车牌识别系统的主要应用 | 第15-17页 |
| 1.4 车牌识别系统研究的重点和难点 | 第17页 |
| 1.5 本文的研究内容 | 第17-18页 |
| 1.6 本文的组织结构 | 第18页 |
| 1.7 本章小结 | 第18-19页 |
| 第2章 车牌定位方法的研究 | 第19-28页 |
| 2.1 概述 | 第19页 |
| 2.2 常用的车牌定位方法 | 第19-22页 |
| 2.2.1 基于颜色的定位方法 | 第19-20页 |
| 2.2.2 基于纹理的定位方法 | 第20-21页 |
| 2.2.3 基于纹理和颜色的定位方法 | 第21-22页 |
| 2.3 本章算法设计 | 第22-27页 |
| 2.3.1 基于颜色模型的粗定位 | 第22-26页 |
| 2.3.2 基于纹理的精定位 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 图像校正和字符分割算法的研究 | 第28-33页 |
| 3.1 概述 | 第28页 |
| 3.2 常用的车牌校正方法 | 第28-29页 |
| 3.3 常用的字符分割方法 | 第29-30页 |
| 3.4 本章算法设计 | 第30-32页 |
| 3.4.1 基于Hough变换的校正方法 | 第30页 |
| 3.4.2 基于垂直投影的字符分割方法 | 第30-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第4章 车牌字符识别方法 | 第33-39页 |
| 4.1 概述 | 第33-34页 |
| 4.2 字符识别相关方法 | 第34-36页 |
| 4.2.1 基于模板匹配的字符识别算法 | 第34-35页 |
| 4.2.2 基于神经网络的字符识别算法 | 第35页 |
| 4.2.3 基于支持向量机的字符识别算法 | 第35-36页 |
| 4.3 本章算法设计 | 第36-38页 |
| 4.4 本章小结 | 第38-39页 |
| 第5章 系统实现 | 第39-50页 |
| 5.1 概述 | 第39页 |
| 5.2 开发环境介绍 | 第39-40页 |
| 5.2.1 Visual Studio 2010 | 第39页 |
| 5.2.2 OpenCV介绍 | 第39-40页 |
| 5.2.3 MFC介绍 | 第40页 |
| 5.3 系统组成 | 第40-42页 |
| 5.3.1 系统整体框架 | 第40-41页 |
| 5.3.2 界面设计 | 第41-42页 |
| 5.4 系统实现 | 第42-48页 |
| 5.5 系统测试结果 | 第48-49页 |
| 5.6 本章小结 | 第49-50页 |
| 结论 | 第50-52页 |
| 参考文献 | 第52-57页 |
| 致谢 | 第57页 |
