| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-14页 |
| ·课题来源 | 第10页 |
| ·课题研究的意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·课题的任务 | 第12-13页 |
| ·论文的结构 | 第13-14页 |
| 2 系统概述 | 第14-18页 |
| ·关于车牌的先验知识 | 第14-15页 |
| ·车牌简介 | 第14页 |
| ·车牌区域的主要特征 | 第14-15页 |
| ·车牌识别的关键技术 | 第15-17页 |
| ·车辆牌照区域定位技术 | 第15-16页 |
| ·车辆牌照字符分割技术 | 第16页 |
| ·车辆牌照字符识别技术 | 第16-17页 |
| ·系统组成模块 | 第17页 |
| ·系统评价指标 | 第17-18页 |
| 3 车牌定位算法 | 第18-48页 |
| ·各种车牌定位方法分析 | 第18-19页 |
| ·基于彩色分量的车牌定位算法 | 第19-25页 |
| ·利用不同权重的HSV分量垂直边缘检测进行车牌定位的方法 | 第19-22页 |
| ·利用差分边缘算子提取车牌区域 | 第22-23页 |
| ·实验结果与分析 | 第23-24页 |
| ·结论 | 第24-25页 |
| ·基于灰度空间的车牌定位方法 | 第25-42页 |
| ·灰度变换 | 第25-26页 |
| ·边缘检测 | 第26-31页 |
| ·车牌粗略定位 | 第31-35页 |
| ·车牌精确定位 | 第35-40页 |
| ·实验结果 | 第40-42页 |
| ·融合彩色空间和灰度空间特征进行的车牌定位方法及融合规则 | 第42-48页 |
| ·彩色图像目标定位融合规则 | 第42-45页 |
| ·彩色车牌图像的目标定位 | 第45-47页 |
| ·结论 | 第47-48页 |
| 4 字符分割算法 | 第48-62页 |
| ·车牌二值处理 | 第48-51页 |
| ·各种车牌二值化算法 | 第49页 |
| ·算法描述 | 第49-50页 |
| ·实现步骤 | 第50-51页 |
| ·字符分割 | 第51-56页 |
| ·各种字符分割方法 | 第51-52页 |
| ·算法思想 | 第52页 |
| ·算法实现 | 第52-56页 |
| ·去噪声 | 第56-61页 |
| ·气泡法算法思想 | 第57页 |
| ·气泡法实现步骤 | 第57-58页 |
| ·基于气泡法的噪声去除 | 第58-60页 |
| ·倾斜矫正 | 第60-61页 |
| ·字符分割实验结果 | 第61-62页 |
| 5 字符识别算法 | 第62-77页 |
| ·字符识别流程 | 第62-64页 |
| ·字符识别流程图 | 第62-63页 |
| ·字符规格化处理 | 第63-64页 |
| ·最小距离分类器 | 第64-65页 |
| ·算法思想 | 第64-65页 |
| ·算法实现 | 第65页 |
| ·基于树分类器的结构识别法 | 第65-72页 |
| ·树分类器概述 | 第66-67页 |
| ·定义 | 第67-69页 |
| ·局部识别 | 第69页 |
| ·简单的细化 | 第69-70页 |
| ·树分类器算法实现 | 第70-72页 |
| ·神经元网络识别法 | 第72-76页 |
| ·人工神经元网络概述 | 第73-74页 |
| ·ART1网络的运行原理 | 第74-75页 |
| ·ART1网络的学习算法 | 第75-76页 |
| ·实验结果 | 第76-77页 |
| 6 结论 | 第77-78页 |
| 参考文献 | 第78-81页 |
| 附录A Matlab与Visual C++的混合编程 | 第81-83页 |
| 附录B 部分程序代码 | 第83-89页 |
| 在学研究成果 | 第89-90页 |
| 致谢 | 第90页 |
