| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-10页 |
| 1.1 课题研究背景 | 第8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 论文的内容安排 | 第9-10页 |
| 第二章 数字图像的表示及分割 | 第10-19页 |
| 2.1 数字图像的表示 | 第10-11页 |
| 2.1.1 灰度图像 | 第10页 |
| 2.1.2 二值图像 | 第10页 |
| 2.1.3 彩色图像 | 第10-11页 |
| 2.2 数字图像的颜色空间 | 第11页 |
| 2.2.1 RGB 颜色空间简介 | 第11页 |
| 2.2.2 YIQ 颜色空间[]简介 | 第11页 |
| 2.3 数字图像的分割之边缘检测 | 第11-18页 |
| 2.3.1 边缘检测的意义 | 第11-12页 |
| 2.3.2 边缘检测的步骤 | 第12-13页 |
| 2.3.3 边缘检测的方法 | 第13-18页 |
| 2.4 Matlab 简介 | 第18页 |
| 2.5 本章小结 | 第18-19页 |
| 第三章 基于数字图像的车牌识别技术 | 第19-39页 |
| 3.1 图像预处理 | 第19-26页 |
| 3.1.1 图像增强 | 第19-22页 |
| 3.1.2 平滑处理 | 第22-24页 |
| 3.1.3 基于小波包变换的车辆图像增强算法 | 第24-26页 |
| 3.2 基于机器学习的车牌定位 | 第26-32页 |
| 3.2.1 AdaBoost 算法 | 第26-28页 |
| 3.2.2 AdaBoost 算法的训练过程 | 第28-30页 |
| 3.2.3 SUSAN 角点检测 | 第30-32页 |
| 3.2.4 车牌的定位 | 第32页 |
| 3.3 基于 Hough 变换和先验知识的字符分割 | 第32-35页 |
| 3.3.1 预处理 | 第33页 |
| 3.3.2 水平分割 | 第33-35页 |
| 3.3.3 垂直分割 | 第35页 |
| 3.4 基于 BP 神经网络的字符识别 | 第35-38页 |
| 3.4.1 BP 神经网络简介 | 第35-37页 |
| 3.4.2 13 特征点提取方法 | 第37页 |
| 3.4.3 BP 网络的设计 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 系统构建和实验测试结果 | 第39-50页 |
| 4.1 设计原理 | 第39页 |
| 4.2 总体设计流程 | 第39-49页 |
| 4.3.1 分步流程 | 第39页 |
| 4.3.2 各模块的实现 | 第39-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 总结和展望 | 第50-51页 |
| 5.1 工作总结 | 第50页 |
| 5.2 工作展望 | 第50-51页 |
| 参考文献 | 第51-53页 |
| 致谢 | 第53-54页 |
| 附录 A 攻读学位其间发表的论文 | 第54-55页 |
| 详细摘要 | 第55-59页 |