| 第一章 绪论 | 第1-15页 |
| 1-1 数据融合技术的概念和意义 | 第8-9页 |
| 1-2 数据融合技术的算法综述 | 第9-10页 |
| 1-2-1 随机类方法 | 第9-10页 |
| 1-2-2 人工智能方法 | 第10页 |
| 1-3 数据融合技术的研究现状、发展方向及其应用 | 第10-11页 |
| 1-3-1 数据融合技术的研究现状 | 第10页 |
| 1-3-2 数据融合技术的主要发展方向 | 第10-11页 |
| 1-3-3 数据融合技术的应用 | 第11页 |
| 1-4 车牌识别国内外研究情况 | 第11-13页 |
| 1-4-1 车牌定位的研究 | 第11-12页 |
| 1-4-2 车牌字符识别的研究 | 第12-13页 |
| 1-5 本论文所做主要工作 | 第13-15页 |
| 第二章 车牌自动识别系统 | 第15-30页 |
| 2-1 车牌定位 | 第15-24页 |
| 2-1-1 现行车牌的特点 | 第15-16页 |
| 2-1-2 定位前的图像处理过程 | 第16-17页 |
| 2-1-3 车牌的定位 | 第17-24页 |
| 2-2 车牌的颜色判断 | 第24-26页 |
| 2-3 车牌的字符识别 | 第26-30页 |
| 2-3-1 基于字符笔划的倾斜校正 | 第26-28页 |
| 2-3-2 基于投影直方图的字符切割 | 第28页 |
| 2-3-3 字符的识别 | 第28-30页 |
| 第三章 数据融合的原理和方法 | 第30-40页 |
| 3-1 多传感器数据融合的系统结构 | 第30-32页 |
| 3-1-1 什么是数据融合 | 第30-31页 |
| 3-1-2 为什么要进行数据融合 | 第31页 |
| 3-1-3 多传感器数据融合的系统结构 | 第31-32页 |
| 3-2 多传感器数据融合的分层 | 第32-36页 |
| 3-2-1 数据层融合 | 第33-34页 |
| 3-2-2 特征级融合 | 第34-35页 |
| 3-2-3 决策级融合 | 第35-36页 |
| 3-3 人工神经网络的数据融合方法 | 第36-40页 |
| 3-3-1 人工神经网络的基本原理 | 第36页 |
| 3-3-2 人工神经网络的特点 | 第36-37页 |
| 3-3-3 几种具有代表性的人工神经网络模型 | 第37-38页 |
| 3-3-4 BP(Back Propagation)算法 | 第38-40页 |
| 第四章 数据融合技术在车辆类型识别中的研究 | 第40-50页 |
| 4-1 基于外形特征的车辆类型识别模块 | 第40-47页 |
| 4-1-1 多传感器数据融合方案 | 第40-41页 |
| 4-1-2 摄像机的标定 | 第41-44页 |
| 4-1-3 外形特征识别模块中使用的人工神经网络模型 | 第44-46页 |
| 4-1-4 基于外形特征的车辆类型识别模块结果 | 第46-47页 |
| 4-2 车辆类型识别的决策融合 | 第47-50页 |
| 4-2-1 基于车牌颜色的车辆类型识别 | 第47-48页 |
| 4-2-2 车辆类型的决策融合 | 第48-50页 |
| 第五章 结论与展望 | 第50-51页 |
| 参考文献 | 第51-53页 |
| 致谢 | 第53页 |