| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 本课题的研究背景及意义 | 第9-10页 |
| 1.2 本课题的研究现状 | 第10-12页 |
| 1.3 本文研究内容及创新点 | 第12-13页 |
| 1.3.1 本文研究内容 | 第12-13页 |
| 1.3.2 本文创新点 | 第13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第二章 数字图像处理及BP 神经网络理论基础 | 第15-29页 |
| 2.1 数字图像处理 | 第15-22页 |
| 2.1.1 空间域变换 | 第15-16页 |
| 2.1.2 频率域变换 | 第16-17页 |
| 2.1.3 图像增强 | 第17-20页 |
| 2.1.4 边缘检测 | 第20-22页 |
| 2.2 形态学图像处理 | 第22-23页 |
| 2.3 BP 神经网络 | 第23-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 车牌定位 | 第29-52页 |
| 3.1 常用的车牌定位方法 | 第29-30页 |
| 3.2 车牌定位 | 第30-46页 |
| 3.2.1 图像灰度化 | 第31-33页 |
| 3.2.2 直方图均衡化 | 第33-34页 |
| 3.2.3 图像增强(多窗口中值滤波) | 第34-36页 |
| 3.2.4 改进型Sobel y 方向边缘检测及水平差分处理 | 第36-38页 |
| 3.2.5 Otsu 自适应阈值化分割 | 第38-41页 |
| 3.2.6 (1,1,1,1,1,)~T模板中值滤波及水平差分处理 | 第41-43页 |
| 3.2.7 利用水平及垂直投影进行水平、垂直切分 | 第43-45页 |
| 3.2.8 利用车牌统计特征进行最优选择 | 第45-46页 |
| 3.3 本论文车牌定位算法与传统算法效果对比分析 | 第46-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第四章 车牌字符分割 | 第52-65页 |
| 4.1 常用的车牌字符分割方法 | 第52-53页 |
| 4.2 车牌字符分割 | 第53-62页 |
| 4.2.1 车牌倾斜检测矫正 | 第54-55页 |
| 4.2.2 车牌字符分割前预处理 | 第55-60页 |
| 4.2.3 综合利用连通域及投影信息进行车牌字符分割 | 第60-62页 |
| 4.3 本论文车牌字符分割算法与传统算法对比分析 | 第62-64页 |
| 4.4 本章小结 | 第64-65页 |
| 第五章 车牌字符识别 | 第65-80页 |
| 5.1 常用的车牌字符识别方法 | 第65-66页 |
| 5.2 基于BP 神经网络的车牌字符识别 | 第66-77页 |
| 5.2.1 车牌字符归一化 | 第66-68页 |
| 5.2.2 车牌字符特征提取 | 第68-70页 |
| 5.2.3 BP 神经网络设计及车牌字符识别 | 第70-77页 |
| 5.3 本论文车牌字符识别算法与传统算法效果对比分析 | 第77-79页 |
| 5.4 本章小结 | 第79-80页 |
| 第六章 车牌识别系统的实现 | 第80-84页 |
| 6.1 软件算法流程 | 第80-81页 |
| 6.2 实验运行环境 | 第81页 |
| 6.3 实验结果 | 第81-83页 |
| 6.4 本章小结 | 第83-84页 |
| 第七章 总结和展望 | 第84-86页 |
| 7.1 本文工作总结 | 第84页 |
| 7.2 展望 | 第84-86页 |
| 参考文献 | 第86-90页 |
| 研究生期间发表论文和参与科研项目 | 第90-91页 |
| 致谢 | 第91页 |