| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 引言 | 第9-13页 |
| ·车牌定位的研究背景 | 第9-10页 |
| ·智能交通系统研究内容 | 第10页 |
| ·国内外车牌定位技术的研究现状 | 第10-11页 |
| ·本文的主要工作 | 第11页 |
| ·论文结构 | 第11-13页 |
| 第二章 车牌定位技术 | 第13-22页 |
| ·车牌定位技术的固有特征 | 第13-14页 |
| ·车牌定位技术的难点 | 第14-15页 |
| ·车牌定位技术简介 | 第15-20页 |
| ·基于车牌形状特性的定位算法 | 第15-16页 |
| ·基于车牌区域灰度变化特征的定位算法 | 第16-18页 |
| ·基于矢量量化的方法 | 第18-19页 |
| ·基于彩色车牌图像的定位方法 | 第19-20页 |
| ·现有车牌定位技术存在的问题 | 第20-22页 |
| 第三章 基于PCA 和FLD 的车牌定位技术 | 第22-35页 |
| ·GABOR滤波器理论 | 第22-28页 |
| ·函数的提出 | 第22-23页 |
| ·2-D Gabor 滤波器 | 第23-24页 |
| ·Gabor 变换及其函数特性 | 第24-27页 |
| ·Gabor 滤波器在特征提取中的应用研究 | 第27-28页 |
| ·相关领域Gabor 的应用 | 第28页 |
| ·主成分分析 | 第28-31页 |
| ·主成分分析的基本原理 | 第29-31页 |
| ·FISHER 线性判决函数 | 第31-35页 |
| ·Fisher 鉴别向量 | 第32-35页 |
| 第四章 基于PCA 和FISHER 线性判决函数的车牌定位算法 | 第35-48页 |
| ·图像预处理 | 第35-40页 |
| ·HSI 颜色空间 | 第35-38页 |
| ·中值滤波 | 第38-40页 |
| ·基于连通分量的车牌粗检测 | 第40-43页 |
| ·边缘检测 | 第40-42页 |
| ·基于密度的区域增长 | 第42-43页 |
| ·用先验信息初步滤除非文本区域 | 第43页 |
| ·基于纹理的车牌细检测 | 第43-48页 |
| ·多尺度Gabor 滤波和特征提取 | 第43-45页 |
| ·PCA (Principal Component Analysis) | 第45页 |
| ·主成分分析法进行特征优化 | 第45-46页 |
| ·求解阈值 | 第46页 |
| ·FLD (Fisher Linear Discriminant) | 第46-48页 |
| 第五章 实验和结论 | 第48-53页 |
| ·影响车牌定位的因素 | 第48-49页 |
| ·本论文的实验结果 | 第49-52页 |
| ·小结 | 第52-53页 |
| 第六章 总结和展望 | 第53-54页 |
| ·总结 | 第53页 |
| ·展望 | 第53-54页 |
| 参考文献 | 第54-56页 |
| 致谢 | 第56-57页 |
| 在学期间公开发表论文及著作情况 | 第57页 |
