| 中文摘要 | 第1-5页 |
| ABSTRACT | 第5-12页 |
| 第1章 绪论 | 第12-26页 |
| ·车牌识别技术的研究背景 | 第12-14页 |
| ·车牌识别系统的组成 | 第14-15页 |
| ·车牌识别技术的研究现状 | 第15-23页 |
| ·车牌定位方法研究现状 | 第15-19页 |
| ·车牌字符分割方法研究现状 | 第19-21页 |
| ·车牌字符识别方法研究现状 | 第21-23页 |
| ·本文主要工作及内容安排 | 第23-26页 |
| 第2章 车牌定位算法研究 | 第26-42页 |
| ·引言 | 第26页 |
| ·国内汽车牌照介绍 | 第26-27页 |
| ·基于能量滤波和小波的车牌定位算法 | 第27-28页 |
| ·算法的理论基础 | 第28-35页 |
| ·小波分析 | 第28-32页 |
| ·数学形态学 | 第32-35页 |
| ·能量函数 | 第35页 |
| ·算法的实现过程 | 第35-39页 |
| ·图像预处理 | 第35-36页 |
| ·利用车牌纹理特征进行粗定位 | 第36-38页 |
| ·对粗定位的车牌图像进行小波分析 | 第38-39页 |
| ·仿真结果及性能分析 | 第39-40页 |
| ·本章小结 | 第40-42页 |
| 第3章 车牌字符分割算法研究 | 第42-54页 |
| ·引言 | 第42页 |
| ·基于神经网络和颜色特征的车牌字符分割算法 | 第42-43页 |
| ·算法的理论基础 | 第43-48页 |
| ·HSI颜色空间 | 第43-44页 |
| ·人工神经网络 | 第44-48页 |
| ·算法的实现过程 | 第48-52页 |
| ·图像预处理 | 第48页 |
| ·对车牌区域进行颜色识别 | 第48-49页 |
| ·车牌颜色分类 | 第49-50页 |
| ·基于车牌颜色特征的二值化方法 | 第50页 |
| ·对车牌字符进行分割 | 第50-52页 |
| ·仿真结果及性能分析 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第4章 车牌字符识别算法研究 | 第54-76页 |
| ·引言 | 第54页 |
| ·基于小波包和Zernike矩特征提取的车牌字符识别方法 | 第54-63页 |
| ·车牌字符识别算法流程图 | 第55页 |
| ·算法的理论基础 | 第55-59页 |
| ·小波包分解 | 第56-57页 |
| ·Zernike矩 | 第57-59页 |
| ·算法的实现过程 | 第59-62页 |
| ·字符图像预处理 | 第59-60页 |
| ·待识别字符特征提取 | 第60-62页 |
| ·仿真结果及性能分析 | 第62-63页 |
| ·基于SVM混合网络的车牌字符识别方法 | 第63-69页 |
| ·算法的理论基础 | 第63-68页 |
| ·支持向量机基本理论 | 第63-68页 |
| ·算法的实现过程 | 第68页 |
| ·字符图像预处理 | 第68页 |
| ·待识别字符特征提取 | 第68页 |
| ·仿真结果及性能分析 | 第68-69页 |
| ·一种基于GA和支持向量机的车牌字符识别方法 | 第69-73页 |
| ·基于遗传算法的SVM模型选择 | 第70-72页 |
| ·编码方式 | 第70页 |
| ·初始种群 | 第70-71页 |
| ·适应度函数 | 第71页 |
| ·遗传操作算子 | 第71-72页 |
| ·识别结果及分析 | 第72-73页 |
| ·本章小结 | 第73-76页 |
| 第5章 总结与展望 | 第76-80页 |
| 参考文献 | 第80-89页 |
| 附录A 攻读学位期间发表的学术论文 | 第89-90页 |
| 附录B 部分实验图像 | 第90-92页 |
| 致谢 | 第92-93页 |