| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第7-14页 |
| 1.1 车牌识别的研究背景 | 第7-10页 |
| 1.1.1 车牌识别研究的现状 | 第7-9页 |
| 1.1.2 单位联接脉冲耦合神经网络概述 | 第9-10页 |
| 1.2 概述本文提出的车牌识别算法 | 第10-12页 |
| 1.3 论文的贡献 | 第12页 |
| 1.4 本文的章节安排 | 第12-14页 |
| 第2章 单位联接脉冲耦合神经网络在车牌定位中的应用 | 第14-25页 |
| 2.1 车牌定位的原理 | 第14-15页 |
| 2.2 脉冲耦合神经网络 | 第15-19页 |
| 2.2.1 脉冲耦合神经网络的结构 | 第15-16页 |
| 2.2.2 用于图像处理的脉冲耦合神经网络 | 第16-19页 |
| 2.3 基于单位联接脉冲耦合神经网络的车牌定位算法 | 第19-23页 |
| 2.3.1 单位联接PCNN的图像边缘检测法 | 第19页 |
| 2.3.2 基于单位联接PCNN边缘检测法的车牌定位算法 | 第19-22页 |
| 2.3.3 算法流程总结 | 第22-23页 |
| 2.4 实验结果及比较结果 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 单位联接脉冲耦合神经网络在字符分割算法中的应用 | 第25-29页 |
| 3.1 基于单位联接脉冲耦合神经网络的空洞滤波介绍 | 第25-26页 |
| 3.2 投影法字符分割算法的改进 | 第26-27页 |
| 3.3 算法流程总结 | 第27页 |
| 3.4 实验结果 | 第27-28页 |
| 3.5 本章小结 | 第28-29页 |
| 第4章 单位联接脉冲耦合神经在车牌字符识别中的应用 | 第29-38页 |
| 4.1 单位联接脉冲耦合神经网络点火序列图像的获取 | 第29-30页 |
| 4.2 基于单位联接脉冲耦合神经网络点火序列的字符识别法 | 第30页 |
| 4.3 通过单位联接脉冲耦合神经网络细化二值图像 | 第30-33页 |
| 4.3.1 基于单位联接PCNN的字符特征提取 | 第30-32页 |
| 4.3.2 字符识别规则 | 第32-33页 |
| 4.3.3 算法流程总结 | 第33页 |
| 4.4 使用空洞特征提高字符识别器性能 | 第33-34页 |
| 4.4.1 引入单位联接PCNN空洞滤波的必要性 | 第33-34页 |
| 4.4.2 新的特征及字符识别规则 | 第34页 |
| 4.4.3 算法流程总结 | 第34页 |
| 4.5 实验结果 | 第34-37页 |
| 4.6 本章小结 | 第37-38页 |
| 第5章 总结和展望 | 第38-39页 |
| 参考文献 | 第39-44页 |
| 攻读硕士学位期间发表的论文 | 第44-45页 |
| 致谢 | 第45-46页 |
