基于神经网络的实时车牌定位与识别系统研究
| 第一章 绪论 | 第1-14页 |
| 1．1 ITS概述 | 第6-8页 |
| 1．1．1 ITS的含义和意义 | 第6-8页 |
| 1．1．2 ITS的主要内容 | 第8页 |
| 1．2 ITS的研究现状和发展趋势 | 第8-13页 |
| 1．2．1 国外ITS的发展与现状 | 第8-11页 |
| 1．2．2 国内ITS的发展及应用 | 第11-12页 |
| 1．2．3 二十一世纪ITS的发展趋势 | 第12-13页 |
| 1．3 论文的研究背景及主要内容 | 第13-14页 |
| 第二章 车牌识别系统设计及构成 | 第14-22页 |
| 2．1 系统基本原理 | 第14-15页 |
| 2．2 系统各部分功能设计 | 第15-22页 |
| 2．2．1 位置传感器 | 第15-19页 |
| 2．2．2 输入子系统 | 第19-20页 |
| 2．2．3 识别子系统 | 第20页 |
| 2．2．4 输出系统 | 第20-22页 |
| 第三章 车辆图像预处理 | 第22-31页 |
| 3．1 车辆图像的灰度增强 | 第22-27页 |
| 3．1．1 灰度线性变换 | 第22-25页 |
| 3．1．2 灰度非线性变换 | 第25-27页 |
| 3．2 彩色数字图像 | 第27-31页 |
| 3．2．1 彩色规范 | 第27-28页 |
| 3．2．2 彩色图像的归一化处理 | 第28-31页 |
| 第四章 车牌图像的神经网络彩色分类方法 | 第31-46页 |
| 4．1 神经网络简介 | 第31-32页 |
| 4．2 神经网络与模式识别的关系 | 第32-35页 |
| 4．2．1 神经网络模式与其它模式识别方法的比较 | 第32-33页 |
| 4．2．2 神经网络模式识别系统概述 | 第33-35页 |
| 4．3 神经网络结构及类型 | 第35-37页 |
| 4．4 前馈神经网络 | 第37页 |
| 4．5 反向传播学习算法（B-P算法） | 第37-40页 |
| 4．6 多层前传神经网络用于车牌彩色分类 | 第40-46页 |
| 4．6．1 彩色分割神经网络学习 | 第42-46页 |
| 第五章 车辆牌照定位方法的研究 | 第46-54页 |
| 5．1 基于知识的车辆牌照的扫描定位方法 | 第46-51页 |
| 5．1．1 粗定位 | 第46-47页 |
| 5．1．2 精确定位 | 第47-48页 |
| 5．1．3 扫描定位法的仿真 | 第48-51页 |
| 5．2 定位方法的效果分析 | 第51-54页 |
| 第六章 车牌字符的识别 | 第54-70页 |
| 6．1 汉字识别概述 | 第54-55页 |
| 6．1．1 汉字识别的问题与困难 | 第54-55页 |
| 6．1．2 汉字识别技术的现状与展望 | 第55页 |
| 6．2 汉字识别的预处理技术 | 第55-58页 |
| 6．2．1 二值化 | 第56-57页 |
| 6．2．2 汉字的行分割与字分割 | 第57-58页 |
| 6．2．3 平滑和规范化 | 第58页 |
| 6．3 汉字识别的常用方法 | 第58-63页 |
| 6．3．1 模板匹配法 | 第58-59页 |
| 6．3．2 投影—变换系数法 | 第59页 |
| 6．3．3 基于统计量的网络特征、外围特征 | 第59-61页 |
| 6．3．4 提取基于笔划方向的结构特征 | 第61页 |
| 6．3．5 笔划复杂性指数 | 第61-62页 |
| 6．3．6 四周面积编码 | 第62页 |
| 6．3．7 主笔划 | 第62页 |
| 6．3．8 特征点法 | 第62-63页 |
| 6．4 车牌自动识别系统中的汉字识别 | 第63-70页 |
| 6．4．1 汉字识别方法效果的分析比较 | 第63-65页 |
| 6．4．2 识别采用的判别方法 | 第65-66页 |
| 6．4．3 试验结果分析 | 第66-70页 |
| 第七章 总结 | 第70-72页 |
| 参考文献 | 第72-75页 |
| 作者在读硕士期间发表的学术论文 | 第75-76页 |
| 致谢 | 第76页 |
