| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 引言 | 第8-15页 |
| 1.1 课题研究背景和意义 | 第8-9页 |
| 1.2 相关技术的研究现状和趋势 | 第9-12页 |
| 1.2.1 国外车牌识别技术现状 | 第9页 |
| 1.2.2 国内车牌识别系统现状 | 第9-10页 |
| 1.2.3 车牌识别系统的应用情况 | 第10-11页 |
| 1.2.4 车牌识别系统的发展趋势 | 第11页 |
| 1.2.5 车牌识别技术难点 | 第11-12页 |
| 1.3 我国车牌特征 | 第12-13页 |
| 1.4 车牌识别的总体系统设计 | 第13-15页 |
| 第2章 图像预处理 | 第15-23页 |
| 2.1 图像灰度化 | 第15-16页 |
| 2.2 灰度拉伸 | 第16-18页 |
| 2.3 图像平滑 | 第18-19页 |
| 2.4 边缘检测 | 第19-22页 |
| 2.4.1 常见的边缘检测算子 | 第19-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 车牌定位 | 第23-34页 |
| 3.1 常见车牌定位方法 | 第23-24页 |
| 3.2 基于数学形态学和投影法相结合的车牌定位方法 | 第24-28页 |
| 3.2.1 数学形态学理论 | 第24-25页 |
| 3.2.2 数学形态学处理 | 第25-27页 |
| 3.2.3 车牌初步定位 | 第27-28页 |
| 3.3 车牌精确定位 | 第28-30页 |
| 3.3.1 车牌水平定位 | 第28-29页 |
| 3.3.2 车牌垂直定位 | 第29-30页 |
| 3.4 车牌倾斜校正 | 第30-31页 |
| 3.4.1 Radon变化法原理 | 第30-31页 |
| 3.4.2 车牌倾斜校正步骤 | 第31页 |
| 3.5 车牌二值化 | 第31-33页 |
| 3.6 本章小结 | 第33-34页 |
| 第4章 字符分割 | 第34-39页 |
| 4.1 传统车牌字符分割的算法 | 第34-36页 |
| 4.2 基于车牌先验知识约束的投影分割 | 第36-38页 |
| 4.3 字符归一化 | 第38页 |
| 4.4 本章小结 | 第38-39页 |
| 第5章 字符识别 | 第39-50页 |
| 5.1 车牌字符识别综述 | 第39-40页 |
| 5.1.1 特征选取原则 | 第39页 |
| 5.1.2 特征提取方法 | 第39-40页 |
| 5.2 常用字符识别方法 | 第40-41页 |
| 5.3 模板匹配字符识别 | 第41-44页 |
| 5.3.1 传统的模板匹配算法。 | 第41-42页 |
| 5.3.2 创建匹配模板 | 第42-43页 |
| 5.3.3 提取车牌特征 | 第43-44页 |
| 5.3.4 模板匹配 | 第44页 |
| 5.4 基于神经网络的车牌字符识别 | 第44-49页 |
| 5.4.1 神经网络理论基础 | 第44-46页 |
| 5.4.2 神经网络设计 | 第46-47页 |
| 5.4.3 BP神经网络训练 | 第47-49页 |
| 5.4.4 神经网络识别小结 | 第49页 |
| 5.5 本章小结 | 第49-50页 |
| 第6章 设计结果分析 | 第50-53页 |
| 第7章 总结与展望 | 第53-55页 |
| 7.1 本文工作总结 | 第53页 |
| 7.2 未来工作展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-57页 |