| 摘 要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-14页 |
| ·智能交通系统（ITS）简介 | 第9-10页 |
| ·智能交通系统的含义 | 第9页 |
| ·智能交通系统在中国 | 第9-10页 |
| ·车牌自动识别系统（LPRS）相关技术 | 第10-12页 |
| ·本文主要研究工作 | 第12-14页 |
| 第二章 车牌图像预处理 | 第14-22页 |
| ·引言 | 第14页 |
| ·图像灰度化 | 第14-15页 |
| ·图像增强 | 第15-21页 |
| ·灰度拉伸 | 第16-18页 |
| ·直方图均衡化 | 第18-19页 |
| ·图像的滤波 | 第19-21页 |
| ·小结 | 第21-22页 |
| 第三章 车辆牌照的定位 | 第22-29页 |
| ·引言 | 第22页 |
| ·车牌规格与特征 | 第22-23页 |
| ·基于字符纹理特征的车牌快速定位 | 第23-25页 |
| ·基于遗传算法（GA）的车牌定位 | 第25-27页 |
| ·其他车牌定位方法简介 | 第27-28页 |
| ·小结 | 第28-29页 |
| 第四章 车牌字符的分割 | 第29-40页 |
| ·引言 | 第29页 |
| ·车牌图像阈值分割 | 第29-32页 |
| ·阈值分割的含义 | 第29-30页 |
| ·最大类间方差法 | 第30-32页 |
| ·车牌图像背景色统一 | 第32-33页 |
| ·车牌的倾斜校正 | 第33-35页 |
| ·Hough 变换原理 | 第33-34页 |
| ·Hough 变换实现 | 第34-35页 |
| ·几何校正 | 第35页 |
| ·车牌字符的切分 | 第35-36页 |
| ·字符规范化 | 第36-38页 |
| ·字符的细化 | 第38-39页 |
| ·小结 | 第39-40页 |
| 第五章 神经网络及模板匹配在字符识别中应用 | 第40-60页 |
| ·引言 | 第40页 |
| ·人工神经网络简介 | 第40-41页 |
| ·误差反向传播(BP)神经网络在车牌字符识别中的应用 | 第41-48页 |
| ·误差反向传播神经网络的结构及其学习算法 | 第42-46页 |
| ·BP 神经网络算法流程 | 第46页 |
| ·误差反向传播神经网络学习算法的改进 | 第46-48页 |
| ·字符特征的选取 | 第48-51页 |
| ·模板匹配方法 | 第51-54页 |
| ·简单模板匹配原理 | 第52页 |
| ·Hausdorff 距离 | 第52-53页 |
| ·基于改进Hausdorff 距离的模板匹配 | 第53-54页 |
| ·基于神经网络和模板匹配的多级识别器设计 | 第54-58页 |
| ·字符识别指标 | 第54-55页 |
| ·多级分类器结构 | 第55-57页 |
| ·识别效果比较 | 第57-58页 |
| ·小结 | 第58-60页 |
| 第六章 车牌识别系统软件 | 第60-66页 |
| ·引言 | 第60页 |
| ·车牌自动识别系统组成 | 第60-61页 |
| ·车牌识别子系统软件实现 | 第61-65页 |
| ·系统设计目标 | 第61页 |
| ·系统结构框架 | 第61-63页 |
| ·系统功能实现 | 第63-64页 |
| ·系统性能评价 | 第64-65页 |
| ·小结 | 第65-66页 |
| 第七章 总结与展望 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-70页 |
| 作者在校期间发表论文 | 第70页 |