| 1． 绪论 | 第1-10页 |
| 1．1 数字图像处理技术 | 第7页 |
| 1．2 课题的目的和意义 | 第7-8页 |
| 1．3 国内外研究现状及其发展趋势 | 第8-9页 |
| 1．4 本文所做的工作 | 第9-10页 |
| 2． 总体设计 | 第10-12页 |
| 3． 预备知识 | 第12-20页 |
| 3．1 数字图像表示 | 第12-13页 |
| 3．2 彩色图像的处理 | 第13-14页 |
| 3．3 灰度直方图 | 第14-16页 |
| 3．4 直方图的平滑 | 第16-20页 |
| 4． 车牌定位 | 第20-41页 |
| 4．1 基于彩色图像的车牌定位 | 第20-26页 |
| 4．2 基于灰度图像的车牌定位 | 第26-40页 |
| 4．2．1 灰度图像的预处理 | 第26-29页 |
| 4．2．1．1 彩色图像的灰度处理 | 第27页 |
| 4．2．1．2 灰度拉伸 | 第27-28页 |
| 4．2．1．3 均值滤波 | 第28-29页 |
| 4．2．2 基于边缘检测技术和数学形态学的车牌定位 | 第29-34页 |
| 4．2．3 基于互相关矢量图的车牌定位 | 第34-40页 |
| 4．2．3．1 粒子图像测速互相关算法的原理 | 第34-35页 |
| 4．2．3．2 基于互相关矢量图定位方法的原理 | 第35页 |
| 4．2．3．3 基于互相关矢量图的车牌定位的具体实现 | 第35-40页 |
| 4．3 实验结论 | 第40-41页 |
| 5． 字符切分 | 第41-62页 |
| 5．1 车牌的二值化 | 第41-48页 |
| 5．1．1 CASDA算法 | 第42-44页 |
| 5．1．2 Bersen算法 | 第44-45页 |
| 5．1．3 LEVBB算法 | 第45-46页 |
| 5．1．4 一种基于 Bersen的改进算法 | 第46-47页 |
| 5．1．5 实验结论 | 第47-48页 |
| 5．1．6 二值图像的统一 | 第48页 |
| 5．2 清除噪声 | 第48-50页 |
| 5．2．1 区域增长法清除噪声 | 第48-49页 |
| 5．2．2 基于8邻域的区域增长算法 | 第49页 |
| 5．2．3 清除噪声 | 第49-50页 |
| 5．3 倾斜校正 | 第50-56页 |
| 5．3．1 图像的旋转 | 第51-52页 |
| 5．3．2 Hough变换 | 第52-54页 |
| 5．3．3 基于纵向投影的倾斜校正 | 第54-56页 |
| 5．4 字符切分 | 第56-61页 |
| 5．4．1 字符的上下边界的确定 | 第56-58页 |
| 5．4．2 字符的左右边界的确定 | 第58-61页 |
| 5．5 小结 | 第61-62页 |
| 6． 字符识别 | 第62-69页 |
| 6．1 字符图像归一化 | 第62-63页 |
| 6．2 简单的模板匹配 | 第63-65页 |
| 6．3 带有惩罚因子模板的创建 | 第65-66页 |
| 6．4 带有惩罚因子模板匹配法 | 第66-68页 |
| 6．5 小结 | 第68-69页 |
| 7． 结束语 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 作者在读期间科研成果简介 | 第74-75页 |
| 论文声明 | 第75-76页 |
| 致谢 | 第76页 |