| 第一章 绪论 | 第1-13页 |
| 1．1 课题名称及研究领域 | 第9页 |
| 1．2 研究的内容和方法 | 第9-10页 |
| 1．3 课题的理论意义和应用价值 | 第10-11页 |
| 1．4 项目开发计划及目标 | 第11页 |
| 1．5 背景（行业背景，中国特色背景，技术背景） | 第11-13页 |
| 第二章 计算机二维目的视觉理论在车号识别系统中的应用 | 第13-65页 |
| 2．1 车号识别系统分析 | 第14-15页 |
| 2．2 车号识别软件系统 | 第15-18页 |
| 2．3 图像预处理方法 | 第18-30页 |
| 2．3．1 车号识别的基本方案 | 第18-19页 |
| 2．3．2 预处理方法 | 第19-30页 |
| 2．3．2．1 图像预处理的基本方案 | 第19页 |
| 2．3．2．2 梯度变换 | 第19-22页 |
| 2．3．2．3 P-参数非线性灰度变换 | 第22-25页 |
| 2．3．2．4 变基准线区域分割法 | 第25-30页 |
| 2．4 图像分割方法 | 第30-44页 |
| 2．4．1 图像二值化方法 | 第30-38页 |
| 2．4．2 字符分割 | 第38-44页 |
| 2．5 目标识别方法 | 第44-52页 |
| 2．5．1 基于结构特征的模糊统计识别方法 | 第45-52页 |
| 2．5．2 特定混淆字判别方法 | 第52页 |
| 2．6 车号识别系统的实现 | 第52-63页 |
| 2．7 系统实验及分析 | 第63-65页 |
| 第三章 字符识别的基本方法 | 第65-74页 |
| 3．1 基于模板匹配和神经网络的车牌字符识别方法 | 第65-70页 |
| 3．1．1 引言 | 第65页 |
| 3．1．2 四灰度加权相似函数模板匹配车牌字符识别 | 第65-67页 |
| 3．1．3 神经网络车牌字符识别 | 第67-69页 |
| 3．1．4 模板匹配和神经网络的集成 | 第69-70页 |
| 3．2 汽车牌照的提取方法 | 第70-74页 |
| 3．2．1 引言 | 第70页 |
| 3．2．2 扫描行离差数据的提取 | 第70-71页 |
| 3．2．3 有效谷子峰点的提取及应用 | 第71-73页 |
| 3．2．4 车牌倾斜校正 | 第73页 |
| 3．2．5 测试结果及结论 | 第73-74页 |
| 第四章 车型自动识别及电子收费系统设计与实现 | 第74-89页 |
| 4．1 自动数据采集器 | 第74-77页 |
| 4．2 自动识别系统的建立 | 第77-78页 |
| 4．3 系统软件设计的要点 | 第78-79页 |
| 4．4 智能交通系统中车型分类的模糊模式识别方法 | 第79-83页 |
| 4．5 非毗邻层连接神经网络在车型识别中的应用 | 第83-89页 |
| 第五章 结论与展望 | 第89-91页 |
| 致谢 | 第91-92页 |
| 参考文献 | 第92-96页 |
| 附图 | 第96-99页 |