| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题的背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 国内外研究现状 | 第10-12页 |
| 1.2.2 车牌识别产品研究 | 第12-13页 |
| 1.2.3 车牌识别发展趋势 | 第13页 |
| 1.3 本文主要研究内容 | 第13-14页 |
| 1.4 章节安排 | 第14-15页 |
| 第二章 车牌预处理技术研究 | 第15-24页 |
| 2.1 车牌字符识别系统的构成 | 第15-16页 |
| 2.2 车牌的国标规范 | 第16页 |
| 2.3 车牌预处理相关技术 | 第16-22页 |
| 2.3.1 车牌图像的平滑 | 第16-18页 |
| 2.3.2 车牌图像的灰度化 | 第18页 |
| 2.3.3 HSV图像模型 | 第18-19页 |
| 2.3.4 中值滤波 | 第19-20页 |
| 2.3.5 均值滤波 | 第20-21页 |
| 2.3.6 图像二值化 | 第21-22页 |
| 2.4 Jeston TK1简介 | 第22页 |
| 2.5 本章小结 | 第22-24页 |
| 第三章 车牌定位算法的实现 | 第24-41页 |
| 3.1 颜色定位 | 第25-29页 |
| 3.2 车牌定位的后处理 | 第29-31页 |
| 3.3 SVM对车牌合理性的判断 | 第31-36页 |
| 3.3.1 SVM理论基础 | 第32-34页 |
| 3.3.2 线性不可分情况 | 第34-35页 |
| 3.3.3 SVM判断车牌的合理性 | 第35-36页 |
| 3.4 灰度空间定位 | 第36-39页 |
| 3.4.1 边缘检测 | 第37-39页 |
| 3.4.2 Sobel二次处理 | 第39页 |
| 3.5 算法性能分析 | 第39-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第四章 车牌字符分割算法的实现 | 第41-47页 |
| 4.1 常见的字符分割算法 | 第41-42页 |
| 4.2 基于字符轮廓与特殊字符标记法的字符分割算法 | 第42-45页 |
| 4.3 实验结果分析 | 第45页 |
| 4.4 本章小结 | 第45-47页 |
| 第五章 车牌字符识别算法的实现 | 第47-56页 |
| 5.1 车牌字符识别的经典算法 | 第47-48页 |
| 5.2 人工神经网络的理论基础 | 第48-50页 |
| 5.2.1 单层神经网络模型 | 第48-50页 |
| 5.2.2 多层神经网络模型 | 第50页 |
| 5.3 基于BP神经网络的车牌字符识别 | 第50-54页 |
| 5.3.1 数据样本的训练 | 第50-52页 |
| 5.3.2 字符识别 | 第52-54页 |
| 5.4 车牌字符识别分析 | 第54页 |
| 5.5 整个车牌字符识别系统性能分析 | 第54-55页 |
| 5.6 本章小结 | 第55-56页 |
| 总结与展望 | 第56-58页 |
| 研究工作总结 | 第56-57页 |
| 未来与展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61页 |