基于图像的车牌识别系统的设计和实现
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 我国车牌的发展和使用 | 第12-15页 |
| 1.3 国内外研究现状 | 第15-17页 |
| 1.3.1 国外研究现状 | 第15-16页 |
| 1.3.2 国内研究现状 | 第16-17页 |
| 1.4 车牌识别难点分析 | 第17-19页 |
| 1.5 本文的章节安排 | 第19页 |
| 1.6 本章小结 | 第19-20页 |
| 第2章 车牌定位方法研究 | 第20-34页 |
| 2.1 概述 | 第20页 |
| 2.2 常用的车牌定位方法 | 第20-27页 |
| 2.2.1 基于边缘的定位方法 | 第20-23页 |
| 2.2.2 基于形态学的定位方法 | 第23-24页 |
| 2.2.3 基于纹理特征方法的车牌定位方法 | 第24页 |
| 2.2.4 基于颜色划分的车牌定位方法 | 第24-27页 |
| 2.3 基于颜色和纹理特征融合的车牌定位方法 | 第27-31页 |
| 2.4 算法实验和分析 | 第31-33页 |
| 2.4.1 相关阈值的确定 | 第31-32页 |
| 2.4.2 实验结果和分析 | 第32-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第3章 车牌的字符的分割和识别 | 第34-44页 |
| 3.1 概述 | 第34页 |
| 3.2 车牌字符的分割方法研究 | 第34-37页 |
| 3.2.1 常用的车牌字符分割算法 | 第34-36页 |
| 3.2.2 算法的实验和分析 | 第36-37页 |
| 3.3 车牌字符的识别方法研究 | 第37-43页 |
| 3.3.1 常用的车牌字符识别方法 | 第37-39页 |
| 3.3.2 基于 BP 神经网络的车牌识别 | 第39-42页 |
| 3.3.3 算法的实验和分析 | 第42-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 基于图像的车牌识别系统设计和实现 | 第44-49页 |
| 4.1 系统设计 | 第44-45页 |
| 4.2 系统实现 | 第45-46页 |
| 4.2.1 硬件环境 | 第45-46页 |
| 4.2.2 软件环境 | 第46页 |
| 4.4 系统测试 | 第46-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第5章 总结和展望 | 第49-51页 |
| 5.1 总结 | 第49页 |
| 5.2 展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 作者简介及在学期间所取得的科研成果 | 第54-55页 |
| 致谢 | 第55页 |
