| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 创新点摘要 | 第7-11页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 课题研究的背景、目的及研究意义 | 第11-12页 |
| 1.2 车牌识别的国内外研究现状 | 第12-13页 |
| 1.3 车牌识别系统简介 | 第13-14页 |
| 1.4 论文研究的主要内容及结构安排 | 第14-16页 |
| 第二章 车牌图像的预处理 | 第16-31页 |
| 2.1 彩色图像的灰度化 | 第16-17页 |
| 2.2 图像的灰度变换 | 第17-20页 |
| 2.2.1 线性灰度变换 | 第17-18页 |
| 2.2.2 分段线性变换 | 第18-19页 |
| 2.2.3 非线性灰度变换 | 第19-20页 |
| 2.3 直方图修正法 | 第20-22页 |
| 2.3.1 直方图修正原理 | 第20-21页 |
| 2.3.2 直方图均衡化的步骤 | 第21-22页 |
| 2.4 图像去噪处理 | 第22-23页 |
| 2.5 边缘检测 | 第23-27页 |
| 2.6 图像的形态学处理 | 第27-28页 |
| 2.6.1 膨胀运算 | 第27页 |
| 2.6.2 腐蚀运算 | 第27-28页 |
| 2.6.3 开启和闭合运算 | 第28页 |
| 2.7 灰度图像的二值化 | 第28-30页 |
| 2.7.1 全局阀值法 | 第28-29页 |
| 2.7.2 局部阀值法 | 第29-30页 |
| 2.7.3 动态阀值法 | 第30页 |
| 2.8 本章小结 | 第30-31页 |
| 第三章 车牌定位及倾斜矫正算法 | 第31-39页 |
| 3.1 我国车牌的特征 | 第31-32页 |
| 3.2 常用的车牌定位算法 | 第32-34页 |
| 3.2.1 基于灰度图像纹理特征与投影分析的定位算法 | 第32页 |
| 3.2.2 基于边缘检测和数学形态学变换的车牌定位算法 | 第32-33页 |
| 3.2.3 基于车牌区域的频谱特征的定位算法 | 第33页 |
| 3.2.4 基于颜色特征的车牌定位算法 | 第33页 |
| 3.2.5 基于遗传算法的定位算法 | 第33页 |
| 3.2.6 基于机器的车牌定位算法 | 第33-34页 |
| 3.3 本文采用的车牌定位算法 | 第34-35页 |
| 3.3.1 改进的Sobel算子 | 第34页 |
| 3.3.2 基于形态学和车牌特征的定位 | 第34-35页 |
| 3.4 车牌倾斜矫正 | 第35-38页 |
| 3.4.1 基于Hough变换的车牌倾斜矫正 | 第36-37页 |
| 3.4.2 基于Radon变换的车牌倾斜矫正 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 车牌字符分割算法 | 第39-44页 |
| 4.1 基于投影的车牌字符分割算法 | 第39页 |
| 4.2 基于模板匹配的车牌字符分割算法 | 第39-40页 |
| 4.3 基于聚类分析的车牌字符分割算法 | 第40页 |
| 4.4 本文采用的车牌字符分割算法 | 第40-41页 |
| 4.5 字符的归一化处理 | 第41-43页 |
| 4.6 本章小结 | 第43-44页 |
| 第五章 量子神经网络模型研究 | 第44-53页 |
| 5.1 量子神经网络发展概述 | 第44页 |
| 5.2 多层激励函数量子神经网络模型 | 第44-46页 |
| 5.3 量子BP神经网络模型 | 第46-48页 |
| 5.3.1 量子位和量子门 | 第46-47页 |
| 5.3.2 量子神经元模型 | 第47页 |
| 5.3.3 量子BP网络模型 | 第47-48页 |
| 5.4 量子权值神经网络模型 | 第48-49页 |
| 5.4.1 量子权值神经元模型 | 第48页 |
| 5.4.2 量子权值神经网络模型 | 第48-49页 |
| 5.5 量子门节点神经网络 | 第49-51页 |
| 5.5.1 量子门及线路表示 | 第49-50页 |
| 5.5.2 量子门节点网络模型 | 第50-51页 |
| 5.6 本章小结 | 第51-53页 |
| 第六章 量子神经网络车牌字符识别算法 | 第53-64页 |
| 6.1 常用的车牌识别方法 | 第53-54页 |
| 6.1.1 基于模板匹配的车牌字符识别方法 | 第53页 |
| 6.1.2 基于字符特征的车牌字符识别方法 | 第53-54页 |
| 6.1.3 基于支持向量机的车牌字符识别方法 | 第54页 |
| 6.1.4 基于神经网络的车牌字符识别方法 | 第54页 |
| 6.2 特征提取 | 第54-55页 |
| 6.3 基于量子神经网络车牌字符分类器设计 | 第55-60页 |
| 6.3.1 网络的结构 | 第55-56页 |
| 6.3.2 网络隐含层层数 | 第56页 |
| 6.3.3 网络隐含层神经元数目 | 第56-57页 |
| 6.3.4 学习率 | 第57页 |
| 6.3.5 训练算法 | 第57页 |
| 6.3.6 调整量子神经网络权值的训练算法 | 第57-59页 |
| 6.3.7 量子间隔的调整 | 第59-60页 |
| 6.4 实验结果与分析 | 第60-63页 |
| 6.4.1 实验结果评价指标 | 第60页 |
| 6.4.2 实验方法 | 第60-61页 |
| 6.4.3 算法测试与结果分析 | 第61-63页 |
| 6.5 本章小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 发表文章目录 | 第69-70页 |
| 致谢 | 第70-71页 |