| 摘要 | 第9-10页 |
| ABSTRACT | 第10页 |
| 第一章 引言 | 第12-17页 |
| 1.1 车牌识别系统 | 第12-13页 |
| 1.1.1 车牌识别系统的类别 | 第12-13页 |
| 1.1.2 车牌识别系统的结构 | 第13页 |
| 1.2 字符识别技术的历史 | 第13-14页 |
| 1.3 车牌字符识别技术的研究现状 | 第14-15页 |
| 1.4 本文的研究工作与组织结构 | 第15-17页 |
| 第二章 字符图像的预处理 | 第17-28页 |
| 2.1 不同尺寸字符图像的规格化 | 第17-19页 |
| 2.1.1 分裂合并的规格化方法 | 第17页 |
| 2.1.2 插值变换的规格化方法 | 第17-19页 |
| 2.2 灰度图像二值化 | 第19-26页 |
| 2.2.1 图像二值化的基本概念 | 第20-21页 |
| 2.2.2 基于灰度直方图统计的阈值选取方法 | 第21-24页 |
| 2.2.3 Otsu二值化方法(最大类间方差法) | 第24-26页 |
| 2.3 平滑 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 字符特征提取与模式匹配 | 第28-35页 |
| 3.1 字符特征提取 | 第28-33页 |
| 3.1.1 字符的结构特征 | 第28-29页 |
| 3.1.2 字符的统计特征 | 第29-33页 |
| 3.2 字符模式匹配的常用方法 | 第33-34页 |
| 3.2.1 模板匹配法 | 第33页 |
| 3.2.2 基于字符特征的字符识别方法 | 第33页 |
| 3.2.3 神经网络识别法 | 第33-34页 |
| 3.3 本章小结 | 第34-35页 |
| 第四章 基于粗糙集和模板匹配的无样本车牌字符识别研究 | 第35-50页 |
| 4.1 基本概念 | 第35-36页 |
| 4.2 粗糙集的空间表示 | 第36-37页 |
| 4.3 用于匹配物体的模板的建立 | 第37-40页 |
| 4.3.1 建立模板算法 | 第37-38页 |
| 4.3.2 算法举例 | 第38-40页 |
| 4.4 改进的模板建立算法与匹配度公式 | 第40-42页 |
| 4.4.1 改进的模板建立算法 | 第40-41页 |
| 4.4.2 匹配算法改进 | 第41-42页 |
| 4.5 实验与结果分析 | 第42-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第五章 基于粗糙集的带样本车牌字符识别研究 | 第50-57页 |
| 5.1 粗糙集基本理论 | 第50-51页 |
| 5.2 车牌字符识别方法 | 第51-54页 |
| 5.2.1 图像的预处理和特征提取 | 第51页 |
| 5.2.2 决策表的构成 | 第51-52页 |
| 5.2.3 决策表的约简 | 第52-53页 |
| 5.2.4 改进的决策策略 | 第53-54页 |
| 5.3 实验与结果分析 | 第54-56页 |
| 5.4 本章小结 | 第56-57页 |
| 第六章 基于奇异值分解和小波变换的车牌字符识别研究 | 第57-63页 |
| 6.1 基本理论 | 第57-59页 |
| 6.1.1 小波变换 | 第57-58页 |
| 6.1.2 奇异值分解 | 第58-59页 |
| 6.2 字符识别算法 | 第59页 |
| 6.3 实验与结果分析 | 第59-62页 |
| 6.3 本章小结 | 第62-63页 |
| 第七章 结论 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
| 作者在攻读硕士学位期间完成的论文 | 第69-70页 |
| 承诺书 | 第70页 |