| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-15页 |
| ·课题研究的相关背景和实际意义 | 第10-11页 |
| ·车牌识别技术的现状 | 第11-12页 |
| ·中国汽车牌照的特点 | 第12-14页 |
| ·本课题完成的主要工作 | 第14-15页 |
| 第二章 车牌自动识别系统 | 第15-24页 |
| ·车牌识别系统的总体机构 | 第15-18页 |
| ·车牌识别系统的硬件部分 | 第15-17页 |
| ·车牌识别系统的软件部分 | 第17-18页 |
| ·车牌识别系统的车牌定位与字符分割 | 第18-23页 |
| ·车牌定位简介 | 第18-19页 |
| ·车牌识别图像分割算法流程 | 第19-23页 |
| ·车牌字符分割图像的后处理 | 第23页 |
| ·本章小结 | 第23-24页 |
| 第三章 车牌字符识别算法研究 | 第24-55页 |
| ·机动车车牌字符特征分析 | 第24-25页 |
| ·车牌识别系统对字符识别算法的要求 | 第25-26页 |
| ·当前车牌字符识别算法介绍 | 第26-33页 |
| ·基于模版匹配的车牌字符识别算法 | 第26-29页 |
| ·通用模板匹配法 | 第26-28页 |
| ·特征区域的模板匹配法 | 第28-29页 |
| ·基于神经网络的车牌字符识别 | 第29-33页 |
| ·神经网络理论概述 | 第29页 |
| ·人工神经元 | 第29-33页 |
| ·基于支持向量机理论的车牌字符识别 | 第33页 |
| ·支持向量机（SVM）理论介绍 | 第33-38页 |
| ·统计学习理论 | 第34-36页 |
| ·VC 维 | 第35-36页 |
| ·结构风险最小化 | 第36页 |
| ·核函数特征空间 | 第36-38页 |
| ·车牌字符的获取 | 第38-50页 |
| ·车牌字符图像增强 | 第38-39页 |
| ·字符图像的二值化处理 | 第39-40页 |
| ·字符图像噪声预处理 | 第40-50页 |
| ·单象素点的噪声去除算法 | 第40-43页 |
| ·块状噪声去除算法 | 第43-45页 |
| ·基于二阶矩的噪声处理算法 | 第45-47页 |
| ·边缘扫描去除黑边算法 | 第47-48页 |
| ·字符图像的归一化处理 | 第48-50页 |
| ·字符识别的SVM 算法实现 | 第50-55页 |
| ·SVM 核函数选择和样本向量的获取 | 第50-52页 |
| ·RBF 核SVM 的训练步骤 | 第52-54页 |
| ·算法性能分析和实验结果 | 第54-55页 |
| 第四章 嵌入式硬件系统的算法移植与优化 | 第55-70页 |
| ·DSP 集成开发环境 CCS | 第55-57页 |
| ·实时操作系统DSP/BIOS 的应用 | 第57-58页 |
| ·算法的嵌入式系统移植 | 第58-62页 |
| ·算法的优化 | 第62-68页 |
| ·TI TM5320C67138 核硬件流水线和软件流水线 | 第63-65页 |
| ·TI TM5320C67138 分级存储结构和 CACHE 系统 | 第65-66页 |
| ·DSP 分级存储结构 | 第65页 |
| ·Cache 系统介绍 | 第65-66页 |
| ·嵌入式算法优化 | 第66-68页 |
| ·本章小结 | 第68-70页 |
| 第五章 总结与展望 | 第70-72页 |
| ·总结 | 第70-71页 |
| ·展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-75页 |
| 攻硕期间取得的研究成果 | 第75-76页 |