| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题的研究背景与意义 | 第9页 |
| 1.2 车牌识别技术的发展概述 | 第9-12页 |
| 1.2.1 车牌识别技术的研究现状 | 第9-10页 |
| 1.2.2 车牌识别系统的产品现状 | 第10-11页 |
| 1.2.3 车牌识别系统的技术难点 | 第11-12页 |
| 1.3 本文的主要工作 | 第12-14页 |
| 1.4 本文的章节安排 | 第14-15页 |
| 第2章 车牌定位检测 | 第15-31页 |
| 2.1 图像预处理 | 第15-16页 |
| 2.1.1 图像灰度化 | 第15页 |
| 2.1.2 边缘检测 | 第15页 |
| 2.1.3 图像二值化 | 第15-16页 |
| 2.1.4 尺寸归一化 | 第16页 |
| 2.2 基于AdaBoost结合MSER算法的车牌定位检测 | 第16-26页 |
| 2.2.1 算法原理简介 | 第17-22页 |
| 2.2.2 AdaBoost与MSER车牌检测实验对比 | 第22-24页 |
| 2.2.3 车牌定位具体步骤 | 第24-26页 |
| 2.3 车牌定位实验 | 第26-29页 |
| 2.3.1 本文车牌定位方法离线测试实验 | 第26-27页 |
| 2.3.2 不同车牌定位方法性能比较实验 | 第27-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第3章 车牌字符分割 | 第31-41页 |
| 3.1 引言与研究现状 | 第31页 |
| 3.2 车牌分割预处理 | 第31-37页 |
| 3.2.1 水平矫正及上下边框切除 | 第32-34页 |
| 3.2.2 车牌反色判断 | 第34-35页 |
| 3.2.3 垂直矫正及左右边框提取 | 第35-37页 |
| 3.3 基于滑动模板结合自适应垂直投影积分的字符分割 | 第37-40页 |
| 3.3.1 滑动模板初分割 | 第38-39页 |
| 3.3.2 自适应垂直投影积分调整 | 第39-40页 |
| 3.4 实验结果对比及分析 | 第40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 车牌字符识别 | 第41-57页 |
| 4.1 引言与研究现状 | 第41-42页 |
| 4.2 字符图像尺寸归一化 | 第42页 |
| 4.3 字符特征简介 | 第42-46页 |
| 4.3.1 纹理特征 | 第42页 |
| 4.3.2 SIFT特征 | 第42页 |
| 4.3.3 LBP特征 | 第42-43页 |
| 4.3.4 HOG特征 | 第43-46页 |
| 4.4 支持向量机原理 | 第46-49页 |
| 4.4.1 SVM数学模型 | 第46-48页 |
| 4.4.2 核函数 | 第48页 |
| 4.4.3 SVM多分类 | 第48-49页 |
| 4.5 基于SVM的字符识别 | 第49-53页 |
| 4.5.1 字符数据库介绍 | 第49-50页 |
| 4.5.2 原系统实验结果及分析 | 第50-51页 |
| 4.5.3 字符训练库优化及特征对比 | 第51-53页 |
| 4.6 字符训练库扩展及特征参数择优 | 第53-56页 |
| 4.7 本章小结 | 第56-57页 |
| 第5章 基于QT平台的车牌识别系统设计 | 第57-67页 |
| 5.1 引言 | 第57页 |
| 5.2 系统实现环境及开发工具 | 第57-58页 |
| 5.2.1 系统开发环境 | 第57页 |
| 5.2.2 OpenCV计算机视觉库 | 第57页 |
| 5.2.3 QT开发平台 | 第57-58页 |
| 5.3 硬件设备 | 第58-59页 |
| 5.3.1 数字工业相机 | 第58-59页 |
| 5.3.2 红外触发装置 | 第59页 |
| 5.4 车牌识别系统功能设计 | 第59-66页 |
| 5.4.1 系统模块 | 第60页 |
| 5.4.2 离线图片识别 | 第60-63页 |
| 5.4.3 实时车牌识别 | 第63-64页 |
| 5.4.4 系统实测实验 | 第64-66页 |
| 5.5 本章小结 | 第66-67页 |
| 第6章 总结与展望 | 第67-69页 |
| 6.1 工作总结 | 第67-68页 |
| 6.2 未来展望 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 攻读硕士期间主要科研成果 | 第72-73页 |
| 致谢 | 第73-74页 |
