| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题背景 | 第9页 |
| 1.2 汽车牌照自动识别技术现状 | 第9-12页 |
| 1.2.1 车牌定位技术研究现状 | 第9-10页 |
| 1.2.2 车牌字符分割技术研究现状 | 第10-11页 |
| 1.2.3 车牌字符识别技术研究现状 | 第11页 |
| 1.2.4 我国车牌识别的特殊性 | 第11-12页 |
| 1.3 牌照识别方法的实际潜力 | 第12-13页 |
| 1.4 主要研究内容 | 第13页 |
| 1.5 本文组织结构 | 第13-14页 |
| 第2章 车牌图像预处理 | 第14-24页 |
| 2.1 引言 | 第14页 |
| 2.2 设置车牌图像采集设备 | 第14-15页 |
| 2.3 彩色图像灰度化 | 第15-17页 |
| 2.4 图像边缘检测 | 第17-19页 |
| 2.5 图像滤波、图像增强及图像二值化 | 第19-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第3章 汽车车牌定位分割识别算法 | 第24-42页 |
| 3.1 引言 | 第24页 |
| 3.2 汽车车牌定位方法 | 第24-29页 |
| 3.2.1 数学形态法 | 第24-28页 |
| 3.2.2 基于神经网络的车牌定位方法 | 第28-29页 |
| 3.3 汽车车牌字符分割方法 | 第29-35页 |
| 3.3.1 基于反色二值化图像投影阈值法的字符分割 | 第29-32页 |
| 3.3.2 利用 Hough 变换和先验知识的车牌字符分割算法 | 第32-35页 |
| 3.4 汽车车牌的字符识别方法举例 | 第35-38页 |
| 3.4.1 车牌字符识别中的字符特征提取方法 | 第35-37页 |
| 3.4.2 在字符识别中 BP 神经网络算法的应用 | 第37-38页 |
| 3.5 汽车车牌定位的算法 | 第38-40页 |
| 3.5.1 分析车牌定位 | 第38-39页 |
| 3.5.2 基于白色跳变点分布图对车牌进行粗定位 | 第39页 |
| 3.5.3 搜索边缘并进行定位裁剪 | 第39-40页 |
| 3.6 设计汽车车牌字符分割的算法 | 第40-41页 |
| 3.6.1 边界的分割 | 第40页 |
| 3.6.2 基于垂直投影法分割字符 | 第40-41页 |
| 3.7 本章小结 | 第41-42页 |
| 第4章 以神经网络为基础的字符识别 | 第42-58页 |
| 4.1 神经网络基本原理概述 | 第42-44页 |
| 4.2 BP 神经网络算法 | 第44-47页 |
| 4.3 对 BP 神经网络进行具体训练的实际流程 | 第47-49页 |
| 4.4 详细的 BP 神经网络结构构建 | 第49-51页 |
| 4.5 Matlab 环境下 BP 神经网络的编程实现 | 第51-55页 |
| 4.5.1 特征提取 | 第52-53页 |
| 4.5.2 BP 神经网络的创建 | 第53-54页 |
| 4.5.3 训练神经网络 | 第54页 |
| 4.5.4 字符识别 | 第54-55页 |
| 4.6 实验结果及分析 | 第55-57页 |
| 4.7 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第64-65页 |
| 致谢 | 第65-66页 |
| 作者简介 | 第66页 |
