| 第一章 绪论 | 第1-11页 |
| ·概述 | 第7-8页 |
| ·论文的项目背景及研究意义 | 第8页 |
| ·本论文的主要研究成果 | 第8-9页 |
| ·论文的结构安排 | 第9-11页 |
| 第二章 研究现状 | 第11-23页 |
| ·概述 | 第11-12页 |
| ·基于灰度图像的汽车牌照定位方法 | 第12-19页 |
| ·基于边缘检测的定位方法 | 第12-14页 |
| ·基于数学形态学的定位方法 | 第14-15页 |
| ·基于神经网络的定位方法 | 第15-16页 |
| ·基于矢量量化的定位方法 | 第16-17页 |
| ·基于遗传算法的定位方法 | 第17-19页 |
| ·其它方法 | 第19页 |
| ·基于彩色图像的汽车牌照定位方法 | 第19-21页 |
| ·小结 | 第21-23页 |
| 第三章 基于字符纹理特征的汽车牌照自动定位方法 | 第23-41页 |
| ·概述 | 第23-24页 |
| ·预处理 | 第24-27页 |
| ·纠偏 | 第24-25页 |
| ·对比度增强 | 第25-27页 |
| ·粗定位 | 第27-36页 |
| ·水平线标记 | 第27-29页 |
| ·面积筛选 | 第29-30页 |
| ·连通域标记 | 第30-32页 |
| ·牌照预选区筛选 | 第32-36页 |
| ·细定位 | 第36-38页 |
| ·区域扩展 | 第36-37页 |
| ·区域收缩 | 第37-38页 |
| ·定位结果及分析 | 第38-39页 |
| ·小结 | 第39-41页 |
| 第四章 基于ELMAN神经网络的汽车牌照自动定位方法 | 第41-53页 |
| ·概述 | 第41-42页 |
| ·ELMAN神经网络技术 | 第42-45页 |
| ·拓扑结构 | 第42-43页 |
| ·神经元特性 | 第43-44页 |
| ·学习规则 | 第44-45页 |
| ·特征的选取 | 第45-46页 |
| ·网络的训练 | 第46-48页 |
| ·停止条件 | 第47页 |
| ·训练过程 | 第47-48页 |
| ·定位过程 | 第48-51页 |
| ·预处理 | 第48-49页 |
| ·神经网络分类 | 第49页 |
| ·后处理 | 第49-50页 |
| ·定位结果及分析 | 第50-51页 |
| ·小结 | 第51-53页 |
| 第五章 结论 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 在校期间的研究成果 | 第58页 |