| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 车牌汉字识别的研究意义 | 第8-9页 |
| 1.2 汉字识别的方法及研究现状 | 第9-11页 |
| 1.2.1 结构模式识别 | 第9页 |
| 1.2.2 统计模式识别 | 第9-10页 |
| 1.2.3 结构模式识别与统计模式识别相结合 | 第10页 |
| 1.2.4 人工神经网络识别 | 第10-11页 |
| 1.3 车牌识别研究现状及方法 | 第11-15页 |
| 1.3.1 车牌识别的研究历史 | 第11页 |
| 1.3.2 车牌识别流程及方法 | 第11-15页 |
| 1.4 本文研究内容 | 第15-16页 |
| 第二章 车牌汉字归一化处理 | 第16-24页 |
| 2.1 汉字大小归一化方法 | 第16-22页 |
| 2.1.1 字符图像缩小 | 第16-17页 |
| 2.1.2 字符图像放大 | 第17-20页 |
| 2.1.3 归一化图像的效果对比 | 第20-22页 |
| 2.2 本章小结 | 第22-24页 |
| 第三章 车牌汉字粗分类 | 第24-34页 |
| 3.1 车牌汉字的投影处理 | 第25-28页 |
| 3.2 车牌汉字的投影分析及粗分类（结构分析） | 第28-33页 |
| 3.2.1 垂直坐标轴上的粗分类（上下结构） | 第29-30页 |
| 3.2.2 水平坐标轴上的粗分类（左中右结构和其他结构） | 第30-33页 |
| 3.3 本章小结 | 第33-34页 |
| 第四章 基于改进BP神经网络的车牌汉字识别器 | 第34-48页 |
| 4.1 BP神经网络的原理 | 第34-39页 |
| 4.1.1 BP神经网络的神经元 | 第34-36页 |
| 4.1.2 BP神经网络的拓扑结构 | 第36页 |
| 4.1.3 BP神经网络的学习过程 | 第36-39页 |
| 4.2 BP神经网络的改进 | 第39-41页 |
| 4.2.1 BP神经网络的缺点 | 第39页 |
| 4.2.2 本文对于BP神经网络的改进思路 | 第39-41页 |
| 4.3 构造车牌汉字识别器 | 第41-42页 |
| 4.3.1 输入层和输出层设计 | 第41页 |
| 4.3.2 隐层设计 | 第41-42页 |
| 4.3.3 激励函数与参数设置 | 第42页 |
| 4.4 改进的BP神经网络对粗分类车牌汉字识别 | 第42-47页 |
| 4.4.1 未经粗分类的车牌汉字使用标准BP神经网络的识别准确和识别速度 | 第42-44页 |
| 4.4.2 经过粗分类的车牌汉字使用标准BP神经网络的识别准确率和识别速度 | 第44-45页 |
| 4.4.3 未经粗分类的车牌汉字使用改进的BP神经网络的识别准确率和识别速度 | 第45-46页 |
| 4.4.4 经过粗分类的车牌汉字使用改进的BP神经网络的识别准确率和识别速度 | 第46页 |
| 4.4.5 实验结果对比 | 第46-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 总结与展望 | 第48-50页 |
| 5.1 全文总结 | 第48页 |
| 5.2 前景展望 | 第48-50页 |
| 参考文献 | 第50-52页 |
| 致谢 | 第52-53页 |
| 攻读硕士学位期间发表的论文情况 | 第53-54页 |
