| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究背景及意义 | 第9页 |
| ·相关技术介绍 | 第9-10页 |
| ·国内外研究现状及发展趋势 | 第10-11页 |
| ·论文的研究内容及主要工作 | 第11页 |
| ·论文的结构 | 第11-12页 |
| ·车牌系统的实现平台 | 第12-13页 |
| 第二章 预备知识 | 第13-27页 |
| ·模糊集的概念 | 第13-14页 |
| ·模糊推理 | 第14-20页 |
| ·模糊命题 | 第14页 |
| ·模糊规则 | 第14-15页 |
| ·模糊推理的基本形式 | 第15页 |
| ·模糊推理的CRI 算法 | 第15-18页 |
| ·相似度推理模型 | 第18-20页 |
| ·图像的预处理技术 | 第20-27页 |
| ·图像的灰度化 | 第21-22页 |
| ·图像的二值化 | 第22-23页 |
| ·图像的增强 | 第23-25页 |
| ·图像的去噪 | 第25-27页 |
| 第三章 车牌图像的定位方法研究 | 第27-45页 |
| ·车牌区域的特征分析 | 第27-28页 |
| ·基于相似度的车牌定位算法的步骤 | 第28-29页 |
| ·车牌图像的灰度化 | 第29-31页 |
| ·基于标准差的车牌图像简化算法 | 第31-32页 |
| ·车牌图像的边缘检测 | 第32-34页 |
| ·基于直觉模糊熵的图像二值化 | 第34-39页 |
| ·基于REF(restricted equivalence function)的直觉模糊熵 | 第35-37页 |
| ·基于REF 函数的图像二值化 | 第37-39页 |
| ·基于HSV 颜色空间的车牌图像分割方法 | 第39-41页 |
| ·基于相似度的车牌定位方法 | 第41-44页 |
| ·模板的构造 | 第41-42页 |
| ·相似度的计算 | 第42页 |
| ·车牌区域的判别与精确定位 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 车牌区域的字符分割方法 | 第45-51页 |
| ·车牌的倾斜校正 | 第45-48页 |
| ·基于水平投影的倾斜校正 | 第45-46页 |
| ·基于Hough 变换的倾斜校正 | 第46-47页 |
| ·图像旋转 | 第47-48页 |
| ·去除边框及铆钉 | 第48-49页 |
| ·字符分割 | 第49-50页 |
| ·字符归一化 | 第50页 |
| ·本章小结 | 第50-51页 |
| 第五章 字符识别 | 第51-68页 |
| ·常用的字符识别方法 | 第51-52页 |
| ·BP 神经网络的基本原理 | 第52-54页 |
| ·基于模糊推理的在线调整学习率算法的研究 | 第54-57页 |
| ·基于CRI 推理模型的自适应步长BP 算法 | 第55-56页 |
| ·基于相似度推理的自适应步长BP 算法 | 第56-57页 |
| ·遗传算法 | 第57-59页 |
| ·基于遗传算法的模糊规则库自动获取 | 第59-61页 |
| ·基于遗传算法的CRI-模糊规则构造方法 | 第59-60页 |
| ·基于遗传算法的相似度推理规则构造方法 | 第60-61页 |
| ·遗传算法中的适应度函数 | 第61页 |
| ·车牌字符识别 | 第61-64页 |
| ·车牌字符的特征提取 | 第61-63页 |
| ·基于BP 神经网络的字符识别 | 第63-64页 |
| ·字符识别算法流程图 | 第64-65页 |
| ·实验分析 | 第65-67页 |
| ·应用实例一 | 第65页 |
| ·应用实例二 | 第65-67页 |
| ·本章小结 | 第67-68页 |
| 第六章 基于模糊逻辑的车牌识别系统实现 | 第68-72页 |
| ·车牌识别系统的流程图 | 第68-69页 |
| ·车牌定位结果 | 第69-70页 |
| ·字符分割算法的实验结果 | 第70页 |
| ·字符识别实验结果 | 第70-72页 |
| 第七章 结论与展望 | 第72-74页 |
| 参考文献 | 第74-79页 |
| 附录1 车牌识别效果图 | 第79-80页 |
| 附录2 车牌识别系统实现程序 | 第80-95页 |
| 作者在攻读硕士学位期间发表的论文目录、科研情况 | 第95-96页 |
| 致谢 | 第96页 |