| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-15页 |
| ·课题背景与研究意义 | 第9-10页 |
| ·课题背景 | 第9-10页 |
| ·研究意义 | 第10页 |
| ·车牌识别技术的发展现状 | 第10-12页 |
| ·本文研究的主要内容 | 第12-13页 |
| ·论文的组织安排 | 第13-15页 |
| 第2章 AdaBoost算法与车牌字符识别 | 第15-27页 |
| ·现有用于车牌字符识别方法的综述 | 第15-18页 |
| ·车牌字符识别的设计方法 | 第18-20页 |
| ·物体检测 | 第18-19页 |
| ·特征选择 | 第19页 |
| ·分类器设计 | 第19-20页 |
| ·用于车牌字符识别的AdaBoost算法 | 第20-25页 |
| ·简单分类器的选择 | 第20-23页 |
| ·AdaBoost算法对简单分类器的训练 | 第23-25页 |
| ·小结 | 第25-27页 |
| 第3章 车牌字符识别的预处理 | 第27-53页 |
| ·车牌定位 | 第27-44页 |
| ·车牌图像二值化 | 第32-33页 |
| ·车牌连通体的分析 | 第33-39页 |
| ·连通体长度和边缘密度检测 | 第39-41页 |
| ·车牌倾斜校正 | 第41-43页 |
| ·颜色特征分析 | 第43-44页 |
| ·字符分割 | 第44-45页 |
| ·特征选择与提取 | 第45-51页 |
| ·结构特征的提取 | 第46-48页 |
| ·统计方法提取特征 | 第48-49页 |
| ·本文采用的特征提取方法 | 第49-51页 |
| ·小结 | 第51-53页 |
| 第4章 基于改进的AdaBoost算法的字符识别 | 第53-67页 |
| ·简单分类器CART的数学模型 | 第53-61页 |
| ·构建最大树 | 第54-57页 |
| ·修剪决策树 | 第57-60页 |
| ·子树评估 | 第60-61页 |
| ·AdaBoost算法的数学描述 | 第61-63页 |
| ·AdaBoost算法的改进 | 第63-64页 |
| ·AdaBoost算法存在的问题 | 第63页 |
| ·AdaBoost算法的改进 | 第63-64页 |
| ·本章小结 | 第64-67页 |
| 第5章 实验结果及分析 | 第67-75页 |
| ·数据样本 | 第67页 |
| ·车牌定位的实验结果及分析 | 第67-69页 |
| ·改进的AdaBoost算法字符识别的实验结果及分析 | 第69-75页 |
| 第6章 结论 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81页 |