| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 项目研究背景与意义 | 第9-11页 |
| 1.2 车牌识别国内外研究现状 | 第11-15页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-15页 |
| 1.3 车牌识别基本流程 | 第15-17页 |
| 1.4 本文主要研究内容 | 第17-18页 |
| 1.5 本文组织结构 | 第18-19页 |
| 第二章 相关技术及理论 | 第19-29页 |
| 2.1 图像处理技术 | 第19-20页 |
| 2.2 神经网络技术 | 第20-21页 |
| 2.3 软件即服务理念 | 第21-24页 |
| 2.4 云计算技术 | 第24-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 车牌区域定位算法研究 | 第29-43页 |
| 3.1 车牌区域定位算法概述 | 第29-30页 |
| 3.2 基于文字识别车牌区域定位方法 | 第30-35页 |
| 3.3 基于文字识别车牌区域定位实现 | 第35-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 车牌字符识别算法研究 | 第43-59页 |
| 4.1 车牌字符识别算法概述 | 第43-44页 |
| 4.2 基于BP神经网络车牌字符识别基本算法 | 第44-55页 |
| 4.2.1 BP神经网络原理及框架 | 第44-47页 |
| 4.2.2 基于BP神经网络车牌字符识别流程 | 第47-48页 |
| 4.2.3 车牌字符图像预处理 | 第48-50页 |
| 4.2.4 标准车牌字符图像准备 | 第50-51页 |
| 4.2.5 面向BP神经网络车牌字符训练集合 | 第51-52页 |
| 4.2.6 基于BP神经网络字符识别训练过程 | 第52-54页 |
| 4.2.7 基于BP神经网络车牌字符识别过程 | 第54-55页 |
| 4.3 基于先验字符区域车牌字符识别算法 | 第55-58页 |
| 4.3.1 基于BP神经网络污损字符识别算法 | 第56-57页 |
| 4.3.2 基于先验字符区域车牌字符识别算法 | 第57-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第五章 车牌识别通用服务及应用平台框架 | 第59-80页 |
| 5.1 基于车牌识别典型应用业务功能 | 第59-62页 |
| 5.2 基于SOA车牌识别通用服务框架 | 第62-70页 |
| 5.3 SaaS模式车牌识别应用平台框架 | 第70-77页 |
| 5.3.1 车牌识别应用系统的一般架构 | 第70-71页 |
| 5.3.2 SaaS模式的车牌识别应用平台逻辑架构 | 第71-73页 |
| 5.3.3 SaaS模式的车牌识别应用平台的业务模型 | 第73-76页 |
| 5.3.4 SaaS模式的车牌识别应用平台技术参考架构 | 第76-77页 |
| 5.4 车牌识别通用服务与应用平台云架构 | 第77-79页 |
| 5.5 本章小结 | 第79-80页 |
| 总结与展望 | 第80-82页 |
| 参考文献 | 第82-89页 |
| 致谢 | 第89页 |
