| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 课题的研究背景和意义 | 第14-15页 |
| 1.2 车牌识别相关的国内外研究现状 | 第15-18页 |
| 1.2.1 国外的研究现状 | 第15-16页 |
| 1.2.2 国内的研究现状 | 第16-18页 |
| 1.3 课题的主要研究内容 | 第18-20页 |
| 第二章 车牌识别技术 | 第20-25页 |
| 2.1 车牌识别技术原理 | 第20-21页 |
| 2.2 实验软件平台与测试 | 第21-24页 |
| 2.2.1 实验软件平台介绍 | 第21-22页 |
| 2.2.2 Linux系统下QT5.0联合使用Opencv3.2.0的测试 | 第22-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 凸显车牌位置区域的预处理 | 第25-37页 |
| 3.1 汽车图像灰度化处理 | 第25-27页 |
| 3.2 汽车图像去噪 | 第27-30页 |
| 3.3 边缘检测算法的选择 | 第30-33页 |
| 3.4 二值化方法选择 | 第33-35页 |
| 3.5 形态学处理方法的选择 | 第35-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第四章 车牌定位 | 第37-59页 |
| 4.1 常用的车牌定位方法 | 第37-38页 |
| 4.1.1 基于车牌颜色特征的车牌定位方法 | 第37页 |
| 4.1.2 基于车牌纹理特征的车牌定位方法 | 第37-38页 |
| 4.2 基于车牌特征的近似定位 | 第38-45页 |
| 4.2.1 取轮廓并初步筛选 | 第39-41页 |
| 4.2.2 角度判断 | 第41-44页 |
| 4.2.3 仿射变换 | 第44-45页 |
| 4.2.4 统一尺寸 | 第45页 |
| 4.3 基于跳变法和SVM的车牌精确定位 | 第45-58页 |
| 4.3.1 跳变法 | 第45-52页 |
| 4.3.2 本文的SVM车牌判别模型训练过程 | 第52-54页 |
| 4.3.3 算法实现过程 | 第54-56页 |
| 4.3.4 实验结果与分析 | 第56-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第五章 车牌字符分割与识别 | 第59-72页 |
| 5.1 我国车牌特征 | 第59-60页 |
| 5.2 车牌字符分割 | 第60-64页 |
| 5.2.1 常用的字符分割方法 | 第60-61页 |
| 5.2.2 基于字符轮廓法的车牌字符分割 | 第61-64页 |
| 5.3 车牌字符识别 | 第64-71页 |
| 5.3.1 常用的字符识别方法 | 第64-65页 |
| 5.3.2 基于BP神经网络的车牌字符识别 | 第65-69页 |
| 5.3.3 实验结果与分析 | 第69页 |
| 5.3.4 本文车牌识别系统的界面介绍与实现 | 第69-71页 |
| 5.4 本章小结 | 第71-72页 |
| 总结与展望 | 第72-74页 |
| 总结 | 第72-73页 |
| 展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 攻读硕士学位期间发表的论文与专利 | 第78-80页 |
| 致谢 | 第80页 |