| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 智能交通系统介绍 | 第7页 |
| 1.2 车牌识别系统现状和发展趋势 | 第7-11页 |
| 1.2.1 车牌识别技术国内外研究现状 | 第8-10页 |
| 1.2.2 车牌识别系统的发展趋势 | 第10-11页 |
| 1.3 本文的主要研究内容 | 第11-13页 |
| 第二章 车牌图像预处理 | 第13-25页 |
| 2.1 车辆图象灰度变换 | 第13页 |
| 2.2 车辆图象的平滑处理 | 第13-16页 |
| 2.3 车牌图像增强处理 | 第16-24页 |
| 2.3.1 传统的图像增强方法 | 第16-18页 |
| 2.3.2 小波变换理论简介 | 第18-20页 |
| 2.3.3 基于小波变换的低光照对比度图像增强方法 | 第20-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 车牌定位算法研究 | 第25-36页 |
| 3.1 车牌定位的基础方法及其原理 | 第25-30页 |
| 3.1.1 边缘检测 | 第25-28页 |
| 3.1.2 车牌图像二值化 | 第28-29页 |
| 3.1.3 数学形态学 | 第29-30页 |
| 3.2 基于改进Sobel算子的车牌定位方法 | 第30-35页 |
| 3.2.1 传统车牌定位算法 | 第30-31页 |
| 3.2.2 改进的Sobel算子边缘检测算法 | 第31-33页 |
| 3.2.3 车辆牌照的水平定位 | 第33-34页 |
| 3.2.4 车辆牌照的垂直定位 | 第34-35页 |
| 3.3 本章小结 | 第35-36页 |
| 第四章 车牌区域的字符分割算法研究 | 第36-43页 |
| 4.1 常用的字符分割方法 | 第36页 |
| 4.2 小波局部阈值去噪算法 | 第36-40页 |
| 4.2.1 小波去噪原理 | 第36-37页 |
| 4.2.2 二维小波阈值噪声滤波器的设计 | 第37-40页 |
| 4.3 基于小波去噪和垂直投影的字符分割算法 | 第40-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第五章 车牌字符识别算法研究 | 第43-55页 |
| 5.1 车牌字符识别概述 | 第43-46页 |
| 5.1.1 车牌字符识别的发展历程 | 第43-44页 |
| 5.1.2 车牌字符识别研究的难点 | 第44页 |
| 5.1.3 车牌字符识别的常用方法 | 第44-46页 |
| 5.2 基于BP神经网络的车牌字符识别 | 第46-52页 |
| 5.2.1 BP神经网络简介 | 第46-50页 |
| 5.2.2 改进BP神经网络算法 | 第50-51页 |
| 5.2.3 BP神经网络结构确定 | 第51-52页 |
| 5.3 实验结果 | 第52-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第六章 全文总结及展望 | 第55-56页 |
| 6.1 全文总结 | 第55页 |
| 6.2 展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 作者在攻读硕士学位期间发表的论文 | 第59-60页 |
| 致谢 | 第60页 |