| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-13页 |
| ·智能交通系统（ITS）简述 | 第8-9页 |
| ·车牌识别技术的发展和现状 | 第9-11页 |
| ·车牌识别技术发展概述 | 第9-11页 |
| ·车牌识别系统现状 | 第11页 |
| ·车牌识别系统的结构 | 第11-12页 |
| ·本文主要内容和章节安排 | 第12-13页 |
| 2 支撑向量机分类器 | 第13-24页 |
| ·统计学习理论简述 | 第13-16页 |
| ·机器学习问题的数学描述 | 第13-14页 |
| ·函数集的VC 维 | 第14-15页 |
| ·推广能力的界和结构风险化最小原则 | 第15-16页 |
| ·支撑向量机理论 | 第16-20页 |
| ·二次规划问题的对偶形式 | 第16-17页 |
| ·线性可分最优分类超平面 | 第17-19页 |
| ·软间隔最优分类超平面 | 第19页 |
| ·核函数和支撑向量机 | 第19-20页 |
| ·支撑向量机训练算法 | 第20-24页 |
| ·训练算法简述 | 第20页 |
| ·SMO 算法 | 第20-24页 |
| 3 车牌图像预处理 | 第24-38页 |
| ·车牌的结构 | 第24页 |
| ·图像的中值滤波 | 第24-25页 |
| ·车牌区域定位 | 第25-28页 |
| ·车牌区域定位方法简述 | 第25-26页 |
| ·车牌区域定位 | 第26-28页 |
| ·车牌图像的二值化 | 第28-31页 |
| ·灰度图像的二值化方法 | 第28-29页 |
| ·以最大类间方差阈值法为基础的图像二值化 | 第29-31页 |
| ·车牌字符分割 | 第31-33页 |
| ·字符分割技术 | 第31-32页 |
| ·基于投影特征的车牌字符分割 | 第32-33页 |
| ·车牌字符的细化 | 第33-35页 |
| ·字符特征提取 | 第35-38页 |
| ·字符特征提取技术概述 | 第35-37页 |
| ·车牌字符特征提取 | 第37-38页 |
| 4 基于支撑向量机理论的车牌字符识别 | 第38-46页 |
| ·二类SVM 分类器的研究 | 第38-42页 |
| ·构造多类SVM 分类器 | 第42-43页 |
| ·车牌字符SVM 分类器的训练及识别 | 第43-46页 |
| ·字母分类器的训练及识别测试 | 第44-45页 |
| ·数字分类器和字母/数字混合分类器的训练及识别测试 | 第45页 |
| ·测试结果分析 | 第45-46页 |
| 5 车牌识别系统的实现 | 第46-70页 |
| ·硬件开发 | 第46-57页 |
| ·Avalon 总线规范 | 第46-51页 |
| ·车牌识别系统的结构 | 第51-57页 |
| ·软件开发 | 第57-60页 |
| ·按键触发信号处理 | 第58页 |
| ·图像采集 | 第58-59页 |
| ·图像处理和字符识别 | 第59-60页 |
| ·通过UART 与PC 通信 | 第60页 |
| ·系统性能提升 | 第60-68页 |
| ·浮点乘法和指数函数定制指令 | 第62-64页 |
| ·中值滤波的硬件化 | 第64-68页 |
| ·系统性能分析 | 第68-70页 |
| 6 总结和展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-74页 |
| 附录 | 第74-76页 |
| A. 作者在攻读硕士学位期间发表论文的目录 | 第74页 |
| B. 作者在攻读硕士学位期间取得的科研成果目录 | 第74页 |
| C. 由Platt 给出的SMO 算法的伪代码 | 第74-76页 |