| 1 绪论 | 第1-16页 |
| ·课题的研究背景 | 第9-10页 |
| ·汽车牌照自动识别系统在国内外的研究现状 | 第10-14页 |
| ·论文的主要工作 | 第14-16页 |
| 2 车牌图像处理的基本技术 | 第16-26页 |
| ·图像的灰度化 | 第16页 |
| ·图像的二值化 | 第16-18页 |
| ·双峰法 | 第16-17页 |
| ·迭代法 | 第17页 |
| ·大津法(OTSU法) | 第17-18页 |
| ·图像的平滑 | 第18-20页 |
| ·多图像平均法 | 第19页 |
| ·邻域平均法 | 第19-20页 |
| ·中值滤波 | 第20页 |
| ·图像的形态学处理 | 第20-23页 |
| ·膨胀与腐蚀 | 第21-22页 |
| ·开启与闭合 | 第22-23页 |
| ·边缘检测 | 第23-26页 |
| ·梯度算子 | 第23-24页 |
| ·拉普拉斯算子 | 第24-26页 |
| 3 车牌定位 | 第26-39页 |
| ·预处理 | 第26-27页 |
| ·灰度化 | 第26页 |
| ·图像平滑处理 | 第26页 |
| ·二值化 | 第26-27页 |
| ·基于垂直Sobel算子的边缘检测和移动窗口搜索的定位方法 | 第27-29页 |
| ·基于垂直Sobel算子的边缘提取 | 第27-28页 |
| ·基于移动窗口搜索的定位 | 第28-29页 |
| ·基于相连特征点区域的边框去除算法 | 第29-32页 |
| ·去除上、下边框 | 第29-31页 |
| ·去除左、右边框 | 第31-32页 |
| ·实验结果分析 | 第32-39页 |
| ·各种不同的边缘检测方法对于车牌定位效果的比较 | 第32-34页 |
| ·本文采用的基于移动窗口搜索的定位效果分析 | 第34-37页 |
| ·各种不同的二值化方法对于字符垂直投影分割的影响 | 第37-38页 |
| ·基于相连特征区域的边框去除算法实验 | 第38-39页 |
| 4 字符分割 | 第39-48页 |
| ·本文所采用的垂直投影分割算法 | 第39-40页 |
| ·对于某些干扰情况下的二次切分 | 第40-46页 |
| ·字符内有断裂的牌照图像 | 第40页 |
| ·有字符粘连的牌照图像 | 第40-42页 |
| ·倾斜的车牌图像 | 第42-44页 |
| ·字符的细化 | 第44-46页 |
| ·字符分割方法的实验结果 | 第46-48页 |
| ·本文采用的垂直投影分割方法 | 第46页 |
| ·对于干扰情况下的字符二次切分 | 第46-48页 |
| 5 字符识别 | 第48-62页 |
| ·汉字识别 | 第48-51页 |
| ·汉字识别概述 | 第48-49页 |
| ·模板法 | 第49页 |
| ·投影-变换系数法 | 第49-50页 |
| ·基于像素数量的粗网格特征与外围特征法 | 第50页 |
| ·特征点法 | 第50页 |
| ·车牌字符识别的特殊性 | 第50-51页 |
| ·模板匹配 | 第51页 |
| ·BP神经网络 | 第51-55页 |
| ·BP神经网络的结构和训练算法 | 第51-53页 |
| ·影响BP神经网络性能的因素 | 第53-55页 |
| ·BP网络的改进算法 | 第55-56页 |
| ·识别器的设计 | 第56-58页 |
| ·模板匹配 | 第57页 |
| ·基于动量法和自适应学习率的BP神经网络及二次识别 | 第57-58页 |
| ·实验结果 | 第58-62页 |
| ·本文所采用的BP神经网络结构的效率 | 第58-61页 |
| ·采用本文介绍的BP神经网络的识别结果 | 第61-62页 |
| 6 车牌自动识别系统总体设计及实现 | 第62-65页 |
| ·系统的设计原则 | 第62-63页 |
| ·系统的原理结构 | 第63页 |
| ·系统软件设计 | 第63-65页 |
| ·需求分析 | 第63-64页 |
| ·系统整体的实验结果 | 第64-65页 |
| 7 总结及展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 硕士期间发表的论文 | 第70-71页 |
| 致谢 | 第71页 |