| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 论文研究背景 | 第8页 |
| 1.2 车牌识别系统发展概述 | 第8-10页 |
| 1.2.1 组成和工作原理 | 第8-9页 |
| 1.2.2 国内外发展现状 | 第9页 |
| 1.2.3 目前车牌识别技术暂存的问题 | 第9-10页 |
| 1.2.4 车牌识别系统重要技术指标要求 | 第10页 |
| 1.3 论文的目的和意义 | 第10-11页 |
| 1.3.1 研究目的 | 第10页 |
| 1.3.2 研究意义 | 第10-11页 |
| 1.4 论文的主要工作内容 | 第11-12页 |
| 第二章 双波段成像技术研究 | 第12-17页 |
| 2.1 双波段成像理论概述 | 第12页 |
| 2.2 光在空气中的传输特性研究 | 第12-15页 |
| 2.3 双波段成像理论分析 | 第15-17页 |
| 第三章 车牌识别系统研究设计 | 第17-24页 |
| 3.1 车牌识别系统概述 | 第17-18页 |
| 3.1.1 车牌识别技术的主要技术类型 | 第17页 |
| 3.1.2 基于数字图像处理的车辆图像识别 | 第17-18页 |
| 3.2 车牌识别系统中图像采集模块研究 | 第18-20页 |
| 3.2.1 图像采集模块的地磁感应器研究 | 第18-19页 |
| 3.2.2 图像采集模块中LED补光系统研究 | 第19页 |
| 3.2.3 图像采集模块中高清摄像头与图像采集卡研究 | 第19-20页 |
| 3.3 车牌识别系统中车牌识别模块研究 | 第20-21页 |
| 3.4 系统设计 | 第21-23页 |
| 3.5 识别算法模块 | 第23页 |
| 3.6 工作流程 | 第23-24页 |
| 第四章 图像预处理与车牌定位算法研究 | 第24-37页 |
| 4.1 图像数据预处理 | 第24-27页 |
| 4.1.1 图像灰度处理 | 第24-26页 |
| 4.1.2 图像数据去噪声 | 第26-27页 |
| 4.2 车牌定位 | 第27-35页 |
| 4.2.1 边缘算子检测 | 第27-29页 |
| 4.2.2 数学形态学图像增强方法 | 第29-31页 |
| 4.2.3 基于数学形态学运算车牌定位方法 | 第31-32页 |
| 4.2.4 本文车牌定位方法 | 第32-35页 |
| 4.3 双波段车牌图像融合方法 | 第35-37页 |
| 第五章 车牌字符处理与识别算法研究 | 第37-47页 |
| 5.1 车牌图像预处理 | 第37-39页 |
| 5.1.1 倾斜校正 | 第37-38页 |
| 5.1.2 去边框处理 | 第38-39页 |
| 5.2 字符切割 | 第39-42页 |
| 5.3 BP神经网络字符识别 | 第42-47页 |
| 5.3.1 传统BP神经网络 | 第42-44页 |
| 5.3.3 改进的BP神经网络 | 第44-45页 |
| 5.3.4 应用于字符识别的神经网络设计 | 第45-47页 |
| 第六章 实验与结果分析 | 第47-54页 |
| 6.1 实验环境搭建 | 第47-48页 |
| 6.2 图像数据采集与识别展示 | 第48-49页 |
| 6.3 实验与结果分析 | 第49-54页 |
| 6.3.1 雾霾天气下可见光成像与近红外成像图像质量分析 | 第49-50页 |
| 6.3.2 可见光/近红外处理性能分析 | 第50-53页 |
| 6.3.3 识别准确率结果分析 | 第53-54页 |
| 第七章 总结与展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 硕士期间学术成果情况 | 第58页 |