| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 国内外研究现状和发展趋势 | 第10-12页 |
| 1.3 本文的研究内容和组织结构 | 第12-15页 |
| 第二章 相关技术以及研究对象介绍 | 第15-22页 |
| 2.1 OpenCV框架介绍 | 第15页 |
| 2.2 基于OpenCV的图像匹配技术 | 第15-17页 |
| 2.2.1 直方图匹配 | 第15-16页 |
| 2.2.2 模板匹配 | 第16-17页 |
| 2.3 基于OpenCV的机器学习 | 第17-18页 |
| 2.3.1 训练集和测试集 | 第17-18页 |
| 2.3.2 几种常用的机器学习算法 | 第18页 |
| 2.4 本文研究对象介绍 | 第18-21页 |
| 2.4.1 系统结构与流程 | 第18-20页 |
| 2.4.2 研究对象与研究难点 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第三章 数码管区域定位 | 第22-39页 |
| 3.1 预处理方法 | 第22-29页 |
| 3.1.1 灰度化 | 第22-23页 |
| 3.1.2 中值滤波 | 第23-25页 |
| 3.1.3 二值化 | 第25-27页 |
| 3.1.4 形态学处理 | 第27-28页 |
| 3.1.5 实验结果与分析 | 第28-29页 |
| 3.2 常见的数字字符区域定位方法 | 第29-34页 |
| 3.2.1 Otsu阈值分割和水平与竖直方向投影法 | 第29-31页 |
| 3.2.2 基于形态学的定位方法 | 第31-32页 |
| 3.2.3 基于边缘的定位方法 | 第32-34页 |
| 3.3 寻找外接矩形定位方法 | 第34-38页 |
| 3.3.1 数码管边缘检测 | 第34-35页 |
| 3.3.2 数码管外接矩形寻找 | 第35-36页 |
| 3.3.3 连接数码管区域 | 第36-37页 |
| 3.3.4 精确定位数码管区域 | 第37页 |
| 3.3.5 实验结果与分析 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 数字字符分割与识别 | 第39-50页 |
| 4.1 常用数字字符识别方法 | 第39-42页 |
| 4.1.1 穿线识别法 | 第39-40页 |
| 4.1.2 模板匹配法 | 第40-42页 |
| 4.2 支持向量机识别算法 | 第42-44页 |
| 4.2.1 线性分类原理 | 第42-43页 |
| 4.2.2 核函数 | 第43-44页 |
| 4.2.3 SVM建模 | 第44页 |
| 4.3 位置编码识别法 | 第44-48页 |
| 4.3.1 单个字符的定位与分割 | 第44-46页 |
| 4.3.2 单个字符的识别 | 第46-48页 |
| 4.4 支持向量机与本文算法对比结果 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 指示灯检测以及识别系统的实现 | 第50-60页 |
| 5.1 指示灯检测 | 第50-55页 |
| 5.1.1 算法详细描述 | 第50-53页 |
| 5.1.2 实验结果与分析 | 第53-55页 |
| 5.2 识别系统的实现 | 第55-59页 |
| 5.2.1 系统实现 | 第55-58页 |
| 5.2.2 系统识别结果与分析 | 第58-59页 |
| 5.3 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 研究工作总结 | 第60-61页 |
| 6.2 未来展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 附录 | 第67-68页 |
| 详细摘要 | 第68-70页 |