| 中文摘要 | 第2-3页 |
| Abstract | 第3页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 应用背景和研究意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.2.1 东方车辆牌照识别系统 | 第9-10页 |
| 1.2.2 杭州友通科技有限公司汽车牌照自动识别系统 | 第10-11页 |
| 1.3 本文研究的主要内容 | 第11-13页 |
| 第二章 系统的组成及原理 | 第13-21页 |
| 2.1 系统简介 | 第13页 |
| 2.2 系统基本技术要求 | 第13页 |
| 2.3 系统基本工作原理 | 第13-14页 |
| 2.4 系统硬件组成 | 第14页 |
| 2.5 系统软件组成 | 第14-17页 |
| 2.5.1 收费模块 | 第15页 |
| 2.5.2 图像处理和识别模块 | 第15-17页 |
| 2.6 数据通信模块 | 第17-21页 |
| 2.6.1 数据通信的流程 | 第17-19页 |
| 2.6.2 分布式网络数据库技术 | 第19页 |
| 2.6.3 用户功能模块的划分原则 | 第19-21页 |
| 第三章 车牌图像定位提取算法 | 第21-30页 |
| 3.1 引言 | 第21页 |
| 3.2 车牌图像定位提取研究现状 | 第21-22页 |
| 3.3 图像预处理 | 第22-24页 |
| 3.3.1 图像的格式转换 | 第22-23页 |
| 3.3.2 彩色图像到灰度图像的转换 | 第23-24页 |
| 3.3.3 图像反色 | 第24页 |
| 3.4 车牌图像定位算法 | 第24-30页 |
| 3.4.1 车牌定位 | 第24-25页 |
| 3.4.2 车牌区域的主要特征 | 第25页 |
| 3.4.3 车牌定位流程 | 第25-26页 |
| 3.4.4 传统的种子生长算法 | 第26页 |
| 3.4.5 基于灰色理论的改良种子定位算法 | 第26-28页 |
| 3.4.6 车牌区域的最后定位 | 第28页 |
| 3.4.7 去伪牌 | 第28-30页 |
| 第四章 车牌图像预处理算法设计和分析 | 第30-45页 |
| 4.1 引言 | 第30页 |
| 4.2 图像增强 | 第30-33页 |
| 4.2.1 图像的灰度级修正 | 第30-31页 |
| 4.2.2 新的图像中噪声的去除方法 | 第31-32页 |
| 4.2.3 图像的低通滤波 | 第32-33页 |
| 4.2.4 图像的灰度拉伸 | 第33页 |
| 4.3 车牌图像的二值化 | 第33-36页 |
| 4.3.1 全局化阈值 | 第34页 |
| 4.3.2 自适应阈值 | 第34-35页 |
| 4.3.3 车牌图像在二值化时阈值的选择 | 第35-36页 |
| 4.4 车牌图像的开运算 | 第36-38页 |
| 4.4.1 车牌图像的腐蚀运算 | 第37页 |
| 4.4.2 车牌图像的膨胀运算 | 第37-38页 |
| 4.5 车牌的倾斜校正 | 第38-45页 |
| 4.5.1 车牌的倾斜类型 | 第39-40页 |
| 4.5.2 车牌图像的垂直校正 | 第40-42页 |
| 4.5.3 车牌图像的旋转校正 | 第42-43页 |
| 4.5.4 车牌图像的水平校正 | 第43-45页 |
| 第五章 车牌字符切分算法分析 | 第45-49页 |
| 5.1 引言 | 第45页 |
| 5.2 字符切割研究现状 | 第45-46页 |
| 5.3 车牌上字符的基本特征 | 第46页 |
| 5.4 粗切割方法 | 第46-47页 |
| 5.4.1 车牌图像上字符的粗切割 | 第46-47页 |
| 5.4.2 去掉车牌图像上字符的多余空间 | 第47页 |
| 5.5 车牌图像上字符的其它切割方法 | 第47-49页 |
| 第六章 车牌字符的识别算法分析 | 第49-67页 |
| 6.1 引言 | 第49页 |
| 6.2 字符识别研究现状 | 第49页 |
| 6.3 神经网络理论基础 | 第49-52页 |
| 6.3.1 神经网络概述 | 第49-50页 |
| 6.3.2 处理单元 | 第50-51页 |
| 6.3.3 神经网络的工作过程 | 第51-52页 |
| 6.4 车牌字符的归一化处理 | 第52-53页 |
| 6.5 汉字部分字符识别 | 第53-56页 |
| 6.5.1 支持矢量机基本原理 | 第53-54页 |
| 6.5.2 基于SVM的车牌汉字识别 | 第54-55页 |
| 6.5.3 实验结果与分析 | 第55-56页 |
| 6.6 车牌数字字母部分字符识别模块的组成 | 第56页 |
| 6.7 车牌字符的特征提取 | 第56-57页 |
| 6.7.1 逐像素特征提取法 | 第56-57页 |
| 6.7.2 骨架特征提取法 | 第57页 |
| 6.7.3 垂直方向数据统计特征提取法 | 第57页 |
| 6.7.4 13 特征提取方法 | 第57页 |
| 6.7.5 四种特征提取方向的比较 | 第57页 |
| 6.8 BP神经网络的基本结构 | 第57-59页 |
| 6.9 BP的学习算法（从数学的角度对BP网络的算法进行讨论）. | 第59-62页 |
| 6.9.1 正向传播过程（训练过程） | 第60页 |
| 6.9.2 反向传播过程（权值的修正过程） | 第60-62页 |
| 6.10 BP网络的训练过程(算法角度) | 第62-63页 |
| 6.11 BP网络的参数确定 | 第63页 |
| 6.12 拓扑分析 | 第63-64页 |
| 6.13 实验样本的选择、处理和实验结果 | 第64-67页 |
| 第七章 结束语与展望 | 第67-69页 |
| 7.1 论文小结 | 第67页 |
| 7.2 今后研究展望 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 作者攻读学位期间发表的论文及参与的科研项目 | 第72-73页 |
| 致 谢 | 第73页 |