车牌识别系统的软件设计与实现
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题研究背景 | 第10页 |
| 1.2 智能交通系统简介 | 第10-11页 |
| 1.3 车牌识别系统介绍 | 第11-14页 |
| 1.3.1 车牌识别系统应用 | 第11-13页 |
| 1.3.2 车牌识别系统国内外研究现状和技术难点 | 第13-14页 |
| 1.4 系统实现的软件平台 | 第14-16页 |
| 1.5 本论文所作的工作和结构安排 | 第16-18页 |
| 第二章 车牌图像的预处理 | 第18-36页 |
| 2.1 彩色车牌图像的灰度化 | 第18-20页 |
| 2.2 灰度图像的增强和噪声的去除 | 第20-26页 |
| 2.2.1 同态滤波法 | 第21-24页 |
| 2.2.2 高斯滤波法 | 第24-25页 |
| 2.2.3 中值滤波器 | 第25-26页 |
| 2.3 边缘检测 | 第26-31页 |
| 2.3.1 二值化 | 第29-31页 |
| 2.4 形态学处理 | 第31-36页 |
| 2.4.1 腐蚀(erosion) | 第32-33页 |
| 2.4.2 膨胀(dilation) | 第33-34页 |
| 2.4.3 开操作(opening) | 第34-35页 |
| 2.4.4 闭操作(close) | 第35-36页 |
| 第三章 车牌定位算法 | 第36-51页 |
| 3.1 车牌定位算法的研究现状 | 第36-37页 |
| 3.2 车牌区域特征分析 | 第37页 |
| 3.3 基于形态学和角点检测的车牌定位方法 | 第37-49页 |
| 3.3.1 基于形态学和角点检测的车牌定位方法 | 第38-43页 |
| 3.3.2 算法流程 | 第43-45页 |
| 3.3.3 基于横向扫描结合垂直投影快速定位算法 | 第45-49页 |
| 3.3.4 算法流程 | 第49页 |
| 3.4 实验结果与小结 | 第49-51页 |
| 第四章 车牌倾斜校正 | 第51-59页 |
| 4.1 Canny 算子检测车牌边缘 | 第51-52页 |
| 4.2 概率 Hough 变换检测直线 | 第52-55页 |
| 4.3 车牌图像倾斜校正 | 第55-56页 |
| 4.4 算法流程图 | 第56-57页 |
| 4.5 实验结果与小结 | 第57-59页 |
| 第五章 车牌字符分割 | 第59-65页 |
| 5.1 车牌字符规律及几何特征 | 第59-60页 |
| 5.2 字符分割常用算法 | 第60页 |
| 5.3 车牌图像二值化 | 第60-61页 |
| 5.4 车牌上下边框的去除 | 第61-62页 |
| 5.5 车牌图像背景色统一 | 第62页 |
| 5.6 基于垂直投影的二次分割方法 | 第62-63页 |
| 5.7 车牌分割算法流程图 | 第63页 |
| 5.8 实验结果与小结 | 第63-65页 |
| 第六章 车牌字符识别 | 第65-86页 |
| 6.1 模式识别技术概述 | 第65-67页 |
| 6.1.1 模式与模式识别的概念 | 第65-66页 |
| 6.1.2 模式识别系统 | 第66-67页 |
| 6.2 贝叶斯决策理论 | 第67-71页 |
| 6.2.1 贝叶斯决策的基本概念 | 第67-68页 |
| 6.2.2 贝叶斯定理 | 第68-71页 |
| 6.3 车牌字符简介 | 第71-72页 |
| 6.4 车牌字符识别的特点 | 第72-73页 |
| 6.5 车牌字符识别常用方法 | 第73-76页 |
| 6.5.1 基于模板匹配的车牌字符识别算法 | 第73-74页 |
| 6.5.2 人工神经网络 | 第74-75页 |
| 6.5.3 基于字符特征匹配法的字符识别方法 | 第75-76页 |
| 6.6 车牌字符识别技术的实现 | 第76-85页 |
| 6.6.1 车牌字符的归一化 | 第76-78页 |
| 6.6.2 车牌字符识别算法 | 第78-85页 |
| 6.7 实验结果与小结 | 第85-86页 |
| 第七章 总结与展望 | 第86-88页 |
| 7.1 总结 | 第86页 |
| 7.2 展望 | 第86-88页 |
| 参考文献 | 第88-91页 |
| 致谢 | 第91-93页 |
| 攻读硕士学位期间已发表或录用的论文 | 第93-95页 |
