| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-12页 |
| ·论文研究背景和意义 | 第10页 |
| ·本论的主要研究目的、内容和特点 | 第10页 |
| ·本论文的主要工作和内容安排 | 第10-12页 |
| 第二章 图像处理和识别基础 | 第12-17页 |
| ·计算机图像信息处理 | 第12页 |
| ·模式识别中的图像处理方法 | 第12-15页 |
| ·图像增强与预处理 | 第12-13页 |
| ·图像分割 | 第13-15页 |
| ·模糊理论 | 第15页 |
| ·字符识别技术 | 第15-16页 |
| ·车辆牌照模式识别系统 | 第16页 |
| ·小结 | 第16-17页 |
| 第三章 牌照分割 | 第17-34页 |
| ·图像分割的概念 | 第17页 |
| ·图像分割的研究 | 第17-18页 |
| ·图像分割定义 | 第17-18页 |
| ·分割算法分类 | 第18页 |
| ·几种简单分割方法的比较 | 第18-22页 |
| ·阈值化分割 | 第18-20页 |
| ·合并-生长区域分割法 | 第20-22页 |
| ·车辆牌照分割 | 第22-32页 |
| ·文字目标分割 | 第22-23页 |
| ·灰度原图二值化 | 第23-24页 |
| ·复合极值形态滤波 | 第24-26页 |
| ·标记连通成份，滤除非字符区域 | 第26-29页 |
| ·模糊评判 | 第29-32页 |
| ·实验结果 | 第32-33页 |
| ·小结 | 第33-34页 |
| 第四章 字符识别前预处理 | 第34-43页 |
| ·字符智能切分 | 第34-39页 |
| ·字符切分问题概述 | 第34页 |
| ·投影分割方法 | 第34-38页 |
| ·实验结果 | 第38-39页 |
| ·规范化 | 第39-42页 |
| ·位置规范化 | 第39页 |
| ·尺寸规范化(Size normalization) | 第39-40页 |
| ·基于比例的规范化 | 第40-41页 |
| ·实验结果 | 第41-42页 |
| ·小结 | 第42-43页 |
| 第五章 神经网络模式识别 | 第43-54页 |
| ·选择神经网络作为模式识别学习机的背景 | 第43-44页 |
| ·神经网络概述 | 第44-45页 |
| ·人工神经网络模型 | 第44-45页 |
| ·神经网络认知模型的比较 | 第45页 |
| ·Kohonen神经网络 | 第45-47页 |
| ·侧反馈机制 | 第45-46页 |
| ·Kohonen网络原理 | 第46-47页 |
| ·学习矢量量化 | 第47-49页 |
| ·LVQ的改进: LVQ2 | 第49-50页 |
| ·LVQ2神经网络在字符识别中的运用 | 第50-51页 |
| ·实验结果 | 第51-53页 |
| ·小结 | 第53-54页 |
| 第六章 遗传算法在LVQ中的运用 | 第54-64页 |
| ·遗传算法与建模 | 第54-60页 |
| ·遗传算法的生物依据 | 第54-55页 |
| ·遗传算法的处理流程 | 第55-60页 |
| ·遗传算法在优化神经网络中的应用 | 第60-62页 |
| ·实验结果 | 第62-63页 |
| ·小结 | 第63-64页 |
| 第七章 软件编程的实现 | 第64-72页 |
| ·软件整体框架 | 第64页 |
| ·数字图像处理的编程实现 | 第64-67页 |
| ·Windows操作系统中数字图像处理格式 | 第64-66页 |
| ·图像的预处理和牌照的分割 | 第66-67页 |
| ·神经网络的编程实现 | 第67-69页 |
| ·遗传算法优化LVQ权值的编程实现 | 第69-70页 |
| ·界面效果 | 第70页 |
| ·小结 | 第70-72页 |
| 第八章 结束语与展望 | 第72-74页 |
| ·结束语 | 第72页 |
| ·论文进一步研究工作的展望 | 第72-74页 |
| 附:作者攻读学位期间发表的学术论文和成果 | 第74-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-78页 |