| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 课题背景及其意义 | 第10-12页 |
| 1.2 国内外车辆牌照识别系统的现状和发展趋势 | 第12-15页 |
| 1.2.1 国外车辆牌照识别系统现状 | 第12-13页 |
| 1.2.2 国内车辆牌照识别系统现状 | 第13-15页 |
| 1.3 我国车辆牌照识别技术难点 | 第15-17页 |
| 1.4 本文研究内容和组织结构 | 第17-20页 |
| 第二章 车辆牌照区域的检测与定位 | 第20-28页 |
| 2.1 引言 | 第20-21页 |
| 2.2 动态图像采集 | 第21-23页 |
| 2.3 图像灰度化处理 | 第23-24页 |
| 2.4 图像边缘检测 | 第24-25页 |
| 2.5 图像二值化 | 第25-27页 |
| 2.6 小结 | 第27-28页 |
| 第三章 车辆牌照定位识别算法 | 第28-44页 |
| 3.1 车辆牌照定位方法 | 第28-31页 |
| 3.1.1 基于数学形态学的车辆牌照定位方法 | 第28-30页 |
| 3.1.2 基于神经网络的车辆牌照定位方法 | 第30-31页 |
| 3.2 车辆牌照定位算法 | 第31-32页 |
| 3.2.1 车辆牌照定位 | 第31-32页 |
| 3.2.2 基于图像白色跳变点的分布特点对车牌粗定位 | 第32页 |
| 3.2.3 搜索车牌边缘并定位裁剪 | 第32页 |
| 3.3 车辆牌照字符分割方法 | 第32-38页 |
| 3.3.1 常见的字符分割方法分类 | 第32-33页 |
| 3.3.2 本文采用的车辆牌照字符分割算法 | 第33-38页 |
| 3.3.2.1 边界的分割 | 第33-34页 |
| 3.3.2.2 基于垂直投影法的字符分割 | 第34-35页 |
| 3.3.2.3 基于神经网络的字符分割方法 | 第35-38页 |
| 3.4 车牌字符识别方法 | 第38-42页 |
| 3.4.1 模板匹配法 | 第38页 |
| 3.4.2 字符特征匹配法 | 第38页 |
| 3.4.3 神经网络识别法 | 第38-39页 |
| 3.4.4 车辆牌照字符识别中字符特征的提取方法举例 | 第39-42页 |
| 3.4.4.1 车辆牌照中的汉字统计特性及分析 | 第39-41页 |
| 3.4.4.2 判别的具体原则 | 第41页 |
| 3.4.4.3 进行神经网络分类器的构造 | 第41页 |
| 3.4.4.4 基于神经网络和模板匹配的识别算法 | 第41-42页 |
| 3.5 小结 | 第42-44页 |
| 第四章 车辆牌照识别系统的设计与实现 | 第44-60页 |
| 4.1 基于神经网络和模板匹配的字符识别算法 | 第44-50页 |
| 4.1.1 预处理 | 第44-46页 |
| 4.1.2 基于改进的模板匹配对英文、数字的识别 | 第46-48页 |
| 4.1.3 利用神经网络算法识别中文字符 | 第48-50页 |
| 4.2 基于车辆牌照识别系统的停车场管理系统 | 第50-53页 |
| 4.3 车辆牌照识别算法的应用 | 第53-57页 |
| 4.3.1 沈阳某商场地下停车场的用户需求 | 第53-54页 |
| 4.3.2 沈阳某商场地下停车场车辆牌照识别系统设计 | 第54-55页 |
| 4.3.3 传统停车场的弊端以及实用车辆牌照识别系统后的优点 | 第55-56页 |
| 4.3.4 停车场车辆牌照识别系统的工作原理 | 第56页 |
| 4.3.5 停车场车牌识别流程 | 第56-57页 |
| 4.4 试验设计与结果分析 | 第57-59页 |
| 4.5 小结 | 第59-60页 |
| 第五章 结论 | 第60-62页 |
| 5.1 总结 | 第60页 |
| 5.2 展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 作者简介 | 第66页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第66-68页 |
| 致谢 | 第68页 |
