| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-14页 |
| ·图像处理与识别技术概述 | 第9-10页 |
| ·图像处理与识别技术的应用领域 | 第10-11页 |
| ·车牌图像识别技术的应用现状 | 第11-14页 |
| 2 图像处理与识别的主要方法 | 第14-21页 |
| ·数字图像的构成 | 第14-18页 |
| ·图像的数字化 | 第14-16页 |
| ·数字图像的存储 | 第16-17页 |
| ·数字图像的表示 | 第17-18页 |
| ·图像处理与识别图像内容 | 第18-20页 |
| ·图像处理 | 第18页 |
| ·图像识别 | 第18-20页 |
| ·图像处理在车牌识别中的应用技术 | 第20-21页 |
| 3 图像处理与识别的人工神经网络技术研究 | 第21-31页 |
| ·神经网络介绍 | 第21-26页 |
| ·大脑模型 | 第21页 |
| ·阈值逻辑单元（Threshold Logic Unit） | 第21-22页 |
| ·发展历史及现状 | 第22-25页 |
| ·发展趋向及前沿问题 | 第25-26页 |
| ·Hopfield 网络模型 | 第26-31页 |
| ·连续状态Hopfield 神经网络 | 第26-27页 |
| ·离散型Hopfield 网络 | 第27-28页 |
| ·Hopfield 网络的稳定性 | 第28-31页 |
| 4 离散型 Hopfield 网络的存储 | 第31-47页 |
| ·Hopfield 网络连接权的设计 | 第31-37页 |
| ·Hopfield 网络权系数矩阵 | 第31-32页 |
| ·样本可记忆的条件 | 第32-34页 |
| ·样本可记忆的充分条件 | 第34-35页 |
| ·可记忆样本的性质 | 第35-37页 |
| ·样本记忆的强化训练方法 | 第37-40页 |
| ·样本可记忆的增加虚结点方法 | 第40-47页 |
| ·增加虚结点 | 第40页 |
| ·弱正交向量 | 第40-42页 |
| ·可实现问题 | 第42-47页 |
| 5 车牌定位和识别系统的设计 | 第47-62页 |
| ·系统简介 | 第47-48页 |
| ·系统基本技术要求 | 第47页 |
| ·系统设计中的关键技术 | 第47页 |
| ·系统实现流程 | 第47-48页 |
| ·系统中图像的预处理技术 | 第48-54页 |
| ·图片灰度转化 | 第49-50页 |
| ·图像二值化 | 第50页 |
| ·图像边缘提取 | 第50-53页 |
| ·图像的中值滤波 | 第53-54页 |
| ·车牌在图像中的定位 | 第54-56页 |
| ·水平投影法检测车牌水平位置 | 第54-55页 |
| ·垂直投影法检测车牌垂直位置 | 第55-56页 |
| ·车牌字符的分割 | 第56-58页 |
| ·消除离散噪声 | 第56页 |
| ·倾斜度调整 | 第56-57页 |
| ·字符的分割 | 第57-58页 |
| ·车牌字符的识别 | 第58-62页 |
| ·字符大小标准化 | 第58-59页 |
| ·以字符为模板的Hopfield 网络学习 | 第59-60页 |
| ·以字符为模板的Hopfield 识别 | 第60页 |
| ·引入虚节点对于对于车牌的识别 | 第60-62页 |
| 6 总结 | 第62-63页 |
| ·成果 | 第62页 |
| ·展望 | 第62-63页 |
| 攻读硕士学位期间发表的学术论文及参加课题 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |