| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 1 绪论 | 第9-13页 |
| ·应用背景和研究意义 | 第9-10页 |
| ·国内外研究情况 | 第10页 |
| ·车牌识别技术中的难点 | 第10-11页 |
| ·车牌定位中的难点 | 第10-11页 |
| ·字符分割中的难点 | 第11页 |
| ·字符识别中的难点 | 第11页 |
| ·课题研究的主要内容 | 第11-13页 |
| 2 车牌定位 | 第13-31页 |
| ·引言 | 第13页 |
| ·汽车牌照的类型 | 第13页 |
| ·现行汽车牌照的特点 | 第13页 |
| ·车牌定位方法概述 | 第13-15页 |
| ·基于灰度图像的车牌定位 | 第13-14页 |
| ·基于彩色图像的车牌定位 | 第14-15页 |
| ·基于纹理特征和轮廓分析的车牌粗定位 | 第15-22页 |
| ·原始图像灰度化 | 第15-16页 |
| ·高帽变换 | 第16-17页 |
| ·基于统计相邻灰度级像素数目的图像二值化 | 第17-18页 |
| ·基于行扫描的伪车牌区域去除方法 | 第18-19页 |
| ·相邻像素块间隙的填充 | 第19-21页 |
| ·基于车牌轮廓特征的车牌粗定位 | 第21-22页 |
| ·统一车牌底色 | 第22-26页 |
| ·车牌底色判断常用方法 | 第22-23页 |
| ·基于车牌色彩信息和二值图像目标像索比例的车牌底色判断方法 | 第23-26页 |
| ·基于车牌边缘二值图像重心坐标的倾斜校正 | 第26-28页 |
| ·基于垂直边缘图像水平投影的车牌上下边界的确定 | 第28-30页 |
| ·小结 | 第30-31页 |
| 3 字符分割 | 第31-40页 |
| ·引言 | 第31页 |
| ·车牌图像二值化 | 第31-33页 |
| ·二值化方法概述 | 第31-32页 |
| ·本文采用的方法 | 第32-33页 |
| ·车牌字符分割 | 第33-39页 |
| ·字符分割定义 | 第33页 |
| ·字符分割常用的几种方法 | 第33-35页 |
| ·基于相邻字符最大间隔宽度的车牌字符分割 | 第35-38页 |
| ·主要的实验结果 | 第38-39页 |
| ·小结 | 第39-40页 |
| 4 车牌字符特征的提取 | 第40-51页 |
| ·引言 | 第40页 |
| ·车牌字符的预处理 | 第40-42页 |
| ·位置归一化 | 第40-41页 |
| ·尺寸归一化 | 第41-42页 |
| ·字符特征提取综述 | 第42-45页 |
| ·一种新的基于粗网格化的统计和结构特征相结合的特征提取方法 | 第45-50页 |
| ·散度 | 第45-47页 |
| ·质心 | 第47-48页 |
| ·占空比 | 第48页 |
| ·车牌字符二值图像的网格化 | 第48页 |
| ·提取子网格特征 | 第48-49页 |
| ·实验对比结果与分析 | 第49-50页 |
| ·小结 | 第50-51页 |
| 5 基于Adaboost和SVM相结合的车牌字符识别 | 第51-77页 |
| ·引言 | 第51页 |
| ·基于支持向量机的字符识别 | 第51-64页 |
| ·支持向量机基本理论 | 第51-55页 |
| ·支持向量机的多类分类 | 第55-56页 |
| ·支持向量机方法综述 | 第56-64页 |
| ·基于PTSVM的车牌字符识别 | 第64-71页 |
| ·字符识别的主要流程 | 第64页 |
| ·特征提取 | 第64页 |
| ·PTSVM训练模型的建立 | 第64-70页 |
| ·识别结果分析 | 第70-71页 |
| ·基于改进的Adaboost和PTSVM相结合的车牌字符识别 | 第71-74页 |
| ·Boosting算法 | 第71-72页 |
| ·Adaboost的基本原理 | 第72页 |
| ·变旦的Adaboost算法 | 第72-74页 |
| ·实验结果 | 第74页 |
| ·车牌识别系统的实现 | 第74-76页 |
| ·运行环境及开发平台 | 第74页 |
| ·车牌字符识别软件 | 第74-76页 |
| ·小结 | 第76-77页 |
| 6 总结与展望 | 第77-79页 |
| ·论文总结 | 第77-78页 |
| ·本文论进一步的工作展望 | 第78-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-83页 |
