| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-13页 |
| ·课题研究背景及意义 | 第9页 |
| ·国内外研究现状 | 第9-11页 |
| ·国内外车牌识别系统研究现状 | 第9-10页 |
| ·车牌识别关键技术 | 第10-11页 |
| ·车牌识别系统组成与设计 | 第11页 |
| ·本课题研究主要内容 | 第11-13页 |
| 第2章 车牌图像预处理 | 第13-20页 |
| ·图像预处理 | 第13-17页 |
| ·灰度化 | 第13-14页 |
| ·二值化 | 第14-15页 |
| ·直方图均衡化 | 第15页 |
| ·中值滤波 | 第15-16页 |
| ·形态学预处理 | 第16-17页 |
| ·倾斜校正 | 第17-20页 |
| ·校正方法介绍 | 第17页 |
| ·Radon 变换倾斜校正 | 第17-20页 |
| 第3章 车牌定位及字符分割算法研究 | 第20-31页 |
| ·车牌定位算法研究 | 第20-24页 |
| ·数学形态学定位 | 第20页 |
| ·纹理特征定位 | 第20-21页 |
| ·基于颜色空间的定位 | 第21-23页 |
| ·边缘检测定位 | 第23-24页 |
| ·字符分割算法 | 第24-26页 |
| ·基于连通域的分割算法 | 第24-25页 |
| ·基于垂直投影的分割算法 | 第25-26页 |
| ·基于连通域和纹理特征的车牌定位及分割算法研究 | 第26-31页 |
| 第4章 车牌识别算法研究 | 第31-39页 |
| ·识别算法介绍 | 第31页 |
| ·神经网络识别算法 | 第31-33页 |
| ·基于支持向量机识别算法 | 第33-34页 |
| ·基于模板匹配识别算法 | 第34页 |
| ·基于粒子群优化 BP 神经网络的车牌字符识别算法研究 | 第34-39页 |
| ·粒子群算法 | 第34-35页 |
| ·粒子群算法优化的 BP 神经网络 | 第35-36页 |
| ·基于 PSO-BP 神经网络的车牌字符识别 | 第36-39页 |
| 第5章 车牌识别系统设计与实现 | 第39-45页 |
| ·系统程序 | 第39-40页 |
| ·实验结果分析 | 第40-45页 |
| 总结与展望 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 致谢 | 第49页 |