| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 车牌信息识别与传输组成及技术分析 | 第12-16页 |
| 1.3.1 车牌定位技术 | 第13页 |
| 1.3.2 字符分割技术 | 第13-14页 |
| 1.3.3 字符识别技术 | 第14页 |
| 1.3.4 GPRS通信技术 | 第14-15页 |
| 1.3.5 近距离无线通信技术 | 第15-16页 |
| 1.4 本文主要研究内容 | 第16-17页 |
| 第2章 车牌图像的预处理 | 第17-24页 |
| 2.1 灰度化处理 | 第17-18页 |
| 2.2 车牌图像增强 | 第18-21页 |
| 2.2.1 直方图均衡 | 第18-19页 |
| 2.2.2 去高斯噪声 | 第19-21页 |
| 2.3 图像二值化处理 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 车牌图像定位 | 第24-36页 |
| 3.1 车牌基本特征 | 第24-25页 |
| 3.1.1 车牌与字母颜色分类 | 第24页 |
| 3.1.2 车牌字符分类 | 第24-25页 |
| 3.1.3 车牌结构特征 | 第25页 |
| 3.2 基于边缘检测法的车牌结构图像特征研究 | 第25-30页 |
| 3.2.1 采用微分算子的边缘检测 | 第25-27页 |
| 3.2.2 基于Canny算子的边缘检测 | 第27-29页 |
| 3.2.3 算子边缘检测效果比较 | 第29-30页 |
| 3.3 基于数学形态学的边缘增强 | 第30-31页 |
| 3.4 常用的车牌定位算法 | 第31-32页 |
| 3.5 基于车牌边缘及形态学的定位方法 | 第32-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第4章 车牌字符分割与BP神经网络识别 | 第36-53页 |
| 4.1 车牌倾斜校准算法 | 第36-37页 |
| 4.1.1 Radon变换原理 | 第36-37页 |
| 4.1.2 基于Radon变换的车牌倾斜矫正 | 第37页 |
| 4.2 车牌字符分割 | 第37-40页 |
| 4.2.1 水平投影去除边框 | 第37-39页 |
| 4.2.2 基于字符纹理特征的垂直切分 | 第39-40页 |
| 4.3 车牌字符的归一化处理 | 第40-41页 |
| 4.3.1 重心归一化 | 第40页 |
| 4.3.2 尺寸归一化处理 | 第40-41页 |
| 4.4 基于统计特性的字符特征提取 | 第41页 |
| 4.5 人工神经网络 | 第41-44页 |
| 4.5.1 人工神经网络处理单元 | 第42-43页 |
| 4.5.2 多层人工神经网络 | 第43页 |
| 4.5.3 人工神经网络的训练 | 第43-44页 |
| 4.6 BP神经网络训练算法 | 第44-47页 |
| 4.6.1 BP神经网络训练算法推算过程 | 第45-46页 |
| 4.6.2 BP神经网络训练算法具体步骤 | 第46-47页 |
| 4.7 基于BP神经网络的车牌字符训练 | 第47-49页 |
| 4.8 实验测试 | 第49-51页 |
| 4.8.1 车牌倾斜矫正及字符分割实验 | 第49-51页 |
| 4.8.2 基于BP神经网络车牌识别效果测试 | 第51页 |
| 4.9 本章小结 | 第51-53页 |
| 第5章 Zigbee与GPRS的传输系统设计 | 第53-68页 |
| 5.1 Zigbee与GPRS传输系统设计总体方案 | 第53-54页 |
| 5.2 Zigbee与GPRS网关 | 第54-59页 |
| 5.2.1 网关硬件设计 | 第54-56页 |
| 5.2.2 网关软件实现 | 第56-59页 |
| 5.3 识别终端节点 | 第59-66页 |
| 5.3.1 识别终端硬件设计 | 第59-62页 |
| 5.3.2 识别终端软件实现 | 第62-66页 |
| 5.4 网络传输结果显示 | 第66-67页 |
| 5.5 本章小结 | 第67-68页 |
| 结论 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间所发表的学术论文 | 第73-74页 |
| 致谢 | 第74页 |