需要金币： 1000 个金币 |
资料包括：完整论文 |  |
 |
| 转换比率：金额 X 10=金币数量， 例100元=1000金币 | 论文字数：15596 |  | |
| 折扣与优惠：团购最低可5折优惠 - 了解详情 | 论文格式：Word格式(*.doc) |  |
摘要：智能计算和图像识别技术正飞速发展并在医学影像、行人检测、生物识别等诸多领域得到广泛应用。车牌检测和字符识别技术作为其中一个应用分支，在违章抓拍、跟踪监控、ETC收费等方面起着重要的作用，是当前交通系统信息化的关键技术。
本文采用OpenCV计算机视觉库来实现车牌检测和字符识别，整个流程主要分为图像预处理、车牌定位、字符分割、字符识别四个步骤，后序的章节也将围绕这四个方面的内容进行讨论。具体研究内容如下：
（1）阐述课题的相关研究背景、意义以及国内外研究的发展现状，并详细分析几种常见的车牌检测方法；
（2）详细介绍原始图像的预处理工作流程，并通过理论分析和实验论证得出较优的预处理方案；
（3）论述常见的字符分割方法，并通过对轮廓和结构的分析来实现车牌粗定位后字符的分割；
（4）介绍机器学习在字符识别中的应用以及SVM模型的训练过程。
关键词：车牌定位，字符分割，SVM，特征提取
目 录
摘 要
Abstract
第1章 绪论-1
1.1 研究背景及意义-1
1.2国内外研究现状-1
1.2.1 车牌检测-1
1.2.2 字符识别-2
1.3 本文涉及的图像处理方法-2
第2章 开发环境与相关技术-3
2.1 开发及运行环境-3
2.2 OpenCV计算机视觉库-3
2.2.1 关于OpenCV-3
2.2.2 OpenCV模块架构-3
第3章 车牌检测及字符分割-5
3.1 常见车牌定位方法介绍及分析-5
3.1.1 基于纹理特征的车牌定位-5
3.1.2 基于边缘检测的车牌定位-5
3.1.3 基于颜色信息的车牌定位-6
3.1.4 基于神经网络的车牌定位-6
3.1.5 本文采用的方法-7
3.2 图像预处理-7
3.2.1 颜色模型转换-7
3.2.2 基于颜色信息的二值化-9
3.2.3 降噪处理-10
3.2.4 形态学运算-10
3.2.5 边缘检测-11
3.2.6 标记候选区域-11
3.3 疑似区域的筛选-12
3.4 字符分割-13
第4章 基于SVM的字符识别-16
4.1 前期准备-16
4.2 HOG特征提取-17
4.3 SVM模型训练及预测-19
4.4 SVM优缺点分析-20
第5章 结果展示及分析-21
5.1 测试模型-21
5.2 结果及分析-21
5.3 总结-22
结束语-23
参考文献-24
致 谢-25 |
