| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 课题的研究背景及意义 | 第12页 |
| 1.2 国内外车牌自动识别技术的研究动态 | 第12-14页 |
| 1.3 车牌识别面临的困难 | 第14-15页 |
| 1.4 车牌识别的相关技术 | 第15-17页 |
| 1.4.1 基于图像的车牌识别技术 | 第15-16页 |
| 1.4.2 车牌识别技术流程 | 第16-17页 |
| 1.5 本文研究的主要内容及结构安排 | 第17-19页 |
| 第二章 车牌图像预处理 | 第19-28页 |
| 2.1 图像的灰度化及其方法介绍 | 第19-21页 |
| 2.2 图像增强 | 第21-24页 |
| 2.2.1 对比度处理 | 第21-22页 |
| 2.2.2 直方图修正 | 第22-23页 |
| 2.2.3 噪声清除 | 第23-24页 |
| 2.3 图像的二值化 | 第24-26页 |
| 2.3.1 常见图像二值化方法分析 | 第25页 |
| 2.3.2 本文采用的图像二值化法 | 第25-26页 |
| 2.4 实验仿真结果 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 基于边缘检测及颜色特征提取相结合的车牌定位 | 第28-36页 |
| 3.1 我国车牌的主要特征 | 第28-30页 |
| 3.1.1 我国车牌的分类 | 第28页 |
| 3.1.2 车牌的规格特征 | 第28-29页 |
| 3.1.3 车牌特征的应用 | 第29-30页 |
| 3.2 常见车牌定位算法 | 第30-31页 |
| 3.2.1 基于边缘检测和Hough变换的定位法 | 第30-31页 |
| 3.2.2 基于图像信息差的定位法 | 第31页 |
| 3.2.3 基于数学形态学的定位法 | 第31页 |
| 3.2.4 基于人工神经网络的定位法 | 第31页 |
| 3.3 基于边缘检测及颜色特征提取相结合的车牌定位算法 | 第31-33页 |
| 3.3.1 边缘特征提取 | 第32-33页 |
| 3.3.2 颜色特征提取 | 第33页 |
| 3.3.3 确定车牌外包矩形 | 第33页 |
| 3.4 车牌定位仿真结果 | 第33-34页 |
| 3.5 本章小结 | 第34-36页 |
| 第四章 基于改进垂直投影算法的车牌字符切割 | 第36-46页 |
| 4.1 车牌图像的倾斜校正 | 第36-38页 |
| 4.1.1 基于Hough变换的倾斜校正算法 | 第36-37页 |
| 4.1.2 基于Radon变换以检测牌照角度的方法 | 第37-38页 |
| 4.2 反色变换 | 第38-39页 |
| 4.3 车牌去边框 | 第39页 |
| 4.4 常见车牌字符分割的算法 | 第39-41页 |
| 4.4.1 基于垂直投影的字符分割法 | 第40页 |
| 4.4.2 基于车牌字符连通区域的字符分割法 | 第40-41页 |
| 4.5 改进的垂直投影算法 | 第41-44页 |
| 4.5.1 铆钉的去除 | 第41-42页 |
| 4.5.2 字符投影 | 第42-44页 |
| 4.6 字符切割仿真结果 | 第44-45页 |
| 4.7 本章小结 | 第45-46页 |
| 第五章 基于离散Hopfield神经网络的车牌字符识别 | 第46-59页 |
| 5.1 离散Hopfield神经网络 | 第46-49页 |
| 5.1.1 离散Hopfield神经网络介绍 | 第46-47页 |
| 5.1.2 离散Hopfield神经网络结构 | 第47-49页 |
| 5.2 离散Hopfield神经网络运行规则 | 第49-50页 |
| 5.3 离散Hopfield神经网络的学习方式 | 第50-51页 |
| 5.4 离散Hopfield神经网络算法原理 | 第51-53页 |
| 5.4.1 标准模板 | 第51-52页 |
| 5.4.2 离散Hopfield神经网络字符识别 | 第52页 |
| 5.4.3 模板匹配字符识别 | 第52-53页 |
| 5.5 离散Hopfield神经网络联想记忆功能及其实现 | 第53-55页 |
| 5.5.1 联想记忆网络 | 第53-54页 |
| 5.5.2 具有联想记忆的离散Hopfield神经网络的构建 | 第54页 |
| 5.5.3 离散Hopfield神经网络联想记忆功能的实现 | 第54-55页 |
| 5.6 车牌识别仿真结果及统计 | 第55-58页 |
| 5.7 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-60页 |
| 6.1 本文工作总结 | 第59页 |
| 6.2 未来工作展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64页 |
