| 摘要 | 第1-13页 |
| ABSTRACT | 第13-15页 |
| 第1章 引言 | 第15-24页 |
| 1．1 课题的研究背景 | 第15-16页 |
| 1．2 车牌识别系统的原理流程和组成模块 | 第16页 |
| 1．3 车牌识别技术的理论背景 | 第16-17页 |
| 1．4 国内外的研究现状 | 第17-21页 |
| 1．4．1 车牌定位技术研究现状 | 第18-19页 |
| 1．4．2 车牌字符识别技术研究现状 | 第19-21页 |
| 1．5 论文的研究内容及组织 | 第21-22页 |
| 1．6 本文的主要创新点 | 第22-24页 |
| 第2章 车牌图像区域的定位 | 第24-41页 |
| 2．1 彩色车辆图像到灰度图的转换 | 第25-26页 |
| 2．2 灰度拉伸改善图像质量 | 第26-27页 |
| 2．3 灰度均衡修正 | 第27-28页 |
| 2．4 灰度车辆图像的二值边缘检测 | 第28-35页 |
| 2．5 消弱背景干扰 | 第35-36页 |
| 2．6 用自定义模板进行中值滤波 | 第36-37页 |
| 2．7 牌照搜索定位和车牌区域分割 | 第37-41页 |
| 2．7．1 车牌定位分割分析 | 第37-38页 |
| 2．7．2 基于白色跳变点分布图搜索车牌大致位置(粗定位) | 第38-39页 |
| 2．7．3 搜索上下边缘和左右边缘并进行定位裁剪 | 第39-41页 |
| 第3章 车牌图片的预处理 | 第41-54页 |
| 3．1 车牌图像阈值求解及二值化 | 第41-42页 |
| 3．2 车牌图像的倾斜校正 | 第42-45页 |
| 3．3 车牌图像背景色的统一 | 第45-46页 |
| 3．4 车牌上下边框的去除 | 第46-48页 |
| 3．5 去除倾斜校正带来的毛刺现象 | 第48页 |
| 3．6 切割出车牌的最小范围 | 第48-49页 |
| 3．7 均值平滑滤波 | 第49-50页 |
| 3．8 二值数学形态学处理 | 第50-54页 |
| 第4章 字符分割与提取 | 第54-63页 |
| 4．1 字符分割简介 | 第54页 |
| 4．2 根据连通图去除车牌图像中的噪声 | 第54-57页 |
| 4．3 朱氏综合字符分割法 | 第57-61页 |
| 4．4 单个字符大小归一化 | 第61-63页 |
| 第5章 字符特征提取与BP网络分类识别 | 第63-89页 |
| 5．1 车牌字符识别方法概述 | 第63-64页 |
| 5．2 字符特征提取 | 第64-69页 |
| 5．2．1 字符特征提取方法概述 | 第64-66页 |
| 5．2．2 改进的粗网格特征提取方法 | 第66-69页 |
| 5．3 基于BP网络的车牌字符识别 | 第69-89页 |
| 5．3．1 多层前馈神经网络 | 第69-71页 |
| 5．3．2 反向传播算法(BP) | 第71-73页 |
| 5．3．3 BP网络结构的设计 | 第73-79页 |
| 5．3．3．1 输入层神经元个数 | 第74-75页 |
| 5．3．3．2 输出层神经元个数 | 第75-76页 |
| 5．3．1．3 隐层层数的选择及隐层神经元数目 | 第76-77页 |
| 5．3．3．4 激活函数的选择 | 第77-79页 |
| 5．3．4 BP网络的参数设置和训练 | 第79-84页 |
| 5．3．5 BP网络车牌字符识别系统实现 | 第84-87页 |
| 5．3．6 实验结果与分析 | 第87-89页 |
| 第6章 车牌识别系统的实现 | 第89-96页 |
| 6．1 系统的设计原则 | 第89页 |
| 6．2 系统的结构框图 | 第89页 |
| 6．3 车牌识别系统的硬件组成 | 第89-91页 |
| 6．4 车牌识别系统的软件环境 | 第91-92页 |
| 6．5 程序设计实现结果界面截图 | 第92-96页 |
| 第7章 结束语 | 第96-99页 |
| 7．1 总结与回顾 | 第96-97页 |
| 7．2 进一步工作展望 | 第97-99页 |
| 致谢 | 第99-100页 |
| 附录A 攻读硕士学位期间发表的论文和参加的科研项目 | 第100-101页 |
| 附录B 本文车牌识别算法源码示例 | 第101-112页 |
| 参考文献 | 第112-115页 |