| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-20页 |
| ·课题的背景及研究意义 | 第11-14页 |
| ·智能交通系统简介 | 第11-12页 |
| ·智能交通系统的发展 | 第12-14页 |
| ·车牌识别系统 | 第14-18页 |
| ·车牌识别系统的组成 | 第14-15页 |
| ·车牌识别系统的发展现状 | 第15-16页 |
| ·车牌识别技术在ITS中的应用 | 第16-17页 |
| ·车牌识别技术的难点 | 第17-18页 |
| ·本论文主要研究内容 | 第18-20页 |
| 第二章 车牌定位问题的研究 | 第20-32页 |
| ·车牌的规格及特征 | 第20-21页 |
| ·车牌定位常用方法 | 第21-23页 |
| ·车牌图像的获取 | 第23-24页 |
| ·基于颜色特征和纹理特征的车牌定位法 | 第24-31页 |
| ·从RGB勤HSI的颜色空间转换 | 第24-26页 |
| ·纹理特征提取 | 第26-30页 |
| ·基于纹理的车牌定位 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 车牌图像的预处理 | 第32-48页 |
| ·数字图像处理 | 第32-33页 |
| ·车牌图像预处理 | 第33页 |
| ·车牌图像的灰度化和二值化 | 第33-37页 |
| ·图像的灰度化 | 第33-34页 |
| ·图像的二值化 | 第34-37页 |
| ·灰度变换增强 | 第37-42页 |
| ·灰度变换 | 第37-40页 |
| ·直方图均衡化 | 第40-42页 |
| ·空间域滤波 | 第42-45页 |
| ·领域平均法 | 第42-44页 |
| ·高通滤波 | 第44页 |
| ·中值滤波 | 第44-45页 |
| ·车牌的边框和铆钉的去除 | 第45-47页 |
| ·车牌边框的去除 | 第46页 |
| ·车牌铆钉的去除 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 倾斜矫正 | 第48-56页 |
| ·车牌的倾斜模式及校正步骤 | 第48-50页 |
| ·倾斜模式 | 第48-50页 |
| ·校正步骤 | 第50页 |
| ·传统的水平倾斜校正方法 | 第50-53页 |
| ·Hough变换法 | 第50-52页 |
| ·旋转投影法 | 第52-53页 |
| ·基于空间扭曲校正和HOUGH变换的车牌图像校正原理 | 第53-55页 |
| ·空间扭曲校正概念 | 第53页 |
| ·空间扭曲校正数学模型 | 第53-54页 |
| ·车牌倾斜矫正实例分析 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 车牌字符的分割 | 第56-62页 |
| ·传统的车牌字符分割方法 | 第56-59页 |
| ·水平投影法 | 第56-57页 |
| ·模板匹配法 | 第57-58页 |
| ·聚类分析法 | 第58-59页 |
| ·本文采用的车牌字符分割方法 | 第59-61页 |
| ·对水平投影法进行改进的车牌字符分割法 | 第59-60页 |
| ·字符图像尺寸归一化 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 第六章 车牌字符的识别 | 第62-77页 |
| ·字符识别技术概述 | 第62页 |
| ·基于模板匹配的车牌字符识别 | 第62-65页 |
| ·基于人工神经网络的车牌字符识别 | 第65-69页 |
| ·人工神经网络简介 | 第65-66页 |
| ·BP网络模型结构 | 第66-67页 |
| ·改进的BP网络学习算法 | 第67-69页 |
| ·本文采用的BP神经网络结构和设计 | 第69-75页 |
| ·特征提取 | 第69-71页 |
| ·BP网络的结构和设计 | 第71-74页 |
| ·BP神经网络的训练 | 第74-75页 |
| ·本章小结 | 第75-77页 |
| 第七章 车牌识别系统的实现 | 第77-85页 |
| ·系统设计原则 | 第77页 |
| ·系统的结构与功能 | 第77-78页 |
| ·系统的程序实现 | 第78-81页 |
| ·辅助软件 | 第81-82页 |
| ·本章小结 | 第82页 |
| ·进一步展望 | 第82-85页 |
| 参考文献 | 第85-90页 |
| 攻读硕士期间发表的论文及所取得的研究成果 | 第90-91页 |
| 致谢 | 第91页 |