| 第一章 绪论 | 第1-24页 |
| 1．1 车牌识别系统 | 第13-14页 |
| 1．1．1 车牌识别技术的主要技术 | 第13页 |
| 1．1．2 车牌识别系统的组成 | 第13-14页 |
| 1．2 车牌识别的特点及难点 | 第14-15页 |
| 1．2．1 车牌定位与分割的特点和难点 | 第14页 |
| 1．2．2 车牌字符识别的特点和难点 | 第14-15页 |
| 1．3 车牌识别技术的发展与现状 | 第15-18页 |
| 1．3．1 车牌定位的研究现状 | 第15-17页 |
| 1．3．2 车牌字符识别研究的发展与现状 | 第17-18页 |
| 1．4 粗糙集的模式识别方法 | 第18-22页 |
| 1．4．1 粗糙集理论的发展和现状 | 第18-19页 |
| 1．4．2 粗糙集理论的研究方向 | 第19-20页 |
| 1．4．3 粗糙集应用研究的现状 | 第20-21页 |
| 1．4．4 粗糙集在图像处理及字符识别中的应用 | 第21-22页 |
| 1．5 本文研究的目的和意义 | 第22-23页 |
| 1．6 本文的主要工作 | 第23-24页 |
| 第二章 基于颜色分析的车牌定位方法 | 第24-33页 |
| 2．1 图像分割技术 | 第24-27页 |
| 2．1．1 图像分割定义 | 第24-25页 |
| 2．1．2 经典的图像分割方法 | 第25页 |
| 2．1．3 图像分割技术的发展 | 第25-27页 |
| 2．2 基于颜色分析的车牌定位 | 第27-31页 |
| 2．2．1 汽车牌照特点 | 第28页 |
| 2．2．2 彩色空间的选择 | 第28-29页 |
| 2．2．3 颜色空间距离 | 第29-30页 |
| 2．2．4 基于颜色分析的车牌定位算法 | 第30-31页 |
| 2．3 实验结果及结论 | 第31-33页 |
| 第三章 车牌图像二值化方法 | 第33-41页 |
| 3．1 二值化方法 | 第33-34页 |
| 3．1．1 阈值的选取 | 第33-34页 |
| 3．1．2 已有的二值化方法 | 第34页 |
| 3．2 本文的四种二值化方法 | 第34-39页 |
| 3．2．1 类内最小交叉熵法 | 第35-36页 |
| 3．2．2 类间最大交叉熵法 | 第36-37页 |
| 3．2．3 类间最大模糊散度法 | 第37-38页 |
| 3．2．4 类内最小模糊散度法 | 第38-39页 |
| 3．3 二值化比较实验 | 第39-41页 |
| 第四章 粗糙集理论 | 第41-52页 |
| 4．1 集合论基础 | 第41-42页 |
| 4．2 信息表知识表达系统 | 第42-43页 |
| 4．2．1 知识的分类概念 | 第42-43页 |
| 4．2．2 信息表与决策表 | 第43页 |
| 4．3 粗糙集理论基础 | 第43-46页 |
| 4．3．1 粗糙集理论的基本概念 | 第43-45页 |
| 4．3．2 粗糙度和分类质量 | 第45-46页 |
| 4．4 知识获取 | 第46-48页 |
| 4．4．1 知识获取概述 | 第46页 |
| 4．4．2 基于 Rough集的知识获取 | 第46-47页 |
| 4．4．3 决策规则 | 第47-48页 |
| 4．5 决策表离散化 | 第48页 |
| 4．6 知识约简 | 第48-52页 |
| 4．6．1 属性约简概述 | 第48-49页 |
| 4．6．2 属性约简的信息熵表示 | 第49-52页 |
| 第五章 决策表属性离散化和属性约简算法研究 | 第52-64页 |
| 5．1 提取及建立决策表 | 第52-53页 |
| 5．2 决策表属性离散化算法研究 | 第53-57页 |
| 5．2．1 离散化问题的描述 | 第53页 |
| 5．2．2 离散化问题的分类分析 | 第53页 |
| 5．2．3 已有的离散化方法 | 第53-54页 |
| 5．2．4 基于NCL聚类学习方法的属性离散化方法 | 第54-56页 |
| 5．2．5 基于SOFM网的属性离散化方法 | 第56-57页 |
| 5．3 决策表属性约简算法研究 | 第57-60页 |
| 5．3．1 Johnson算法 | 第58页 |
| 5．3．2 互信息算法 | 第58页 |
| 5．3．3 改进的代数集合算法 | 第58-59页 |
| 5．3．4 重要度加权平均算法 | 第59页 |
| 5．3．5 改进的可分辨矩阵算法 | 第59-60页 |
| 5．4 算法比较实验 | 第60-64页 |
| 5．4．1 规则匹配识别方法 | 第60-61页 |
| 5．4．2 属性离散化算法比较实验 | 第61-62页 |
| 5．4．3 属性约简算法比较实验 | 第62-64页 |
| 第六章 基于粗糙集与神经网络结合的字符识别方法 | 第64-74页 |
| 6．1 基于粗糙集与神经网络结合的字符识别方法 | 第64-67页 |
| 6．1．1 基于粗糙集与 SOFM网络结合的字符识别方法 | 第65-66页 |
| 6．1．2 基于粗糙集与BP网络结合的字符识别方法 | 第66-67页 |
| 6．2 粗糙模糊神经网络字符识别方法 | 第67-70页 |
| 6．2．1 粗糙模糊神经网络的构造 | 第67-68页 |
| 6．2．2 粗糙模糊神经网络的学习 | 第68-69页 |
| 6．2．3 粗糙模糊神经网络字符识别流程 | 第69-70页 |
| 6．3 字符识别实验 | 第70-74页 |
| 6．3．1 基于粗糙集与神经网络结合的字符识别实验 | 第70-72页 |
| 6．3．2 粗糙模糊神经网络字符识别实验 | 第72-74页 |
| 第七章 结论及建议 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 附录 | 第80-88页 |
| 附录一 部分彩色车辆图像 | 第80-81页 |
| 附录二 分割出的部分彩色车牌图像 | 第81-82页 |
| 附录三 规一化的标准字符样本集 | 第82-84页 |
| 附录四 部分数字样本集 | 第84-88页 |
| 附录五 部分字母样本集 | 第88页 |
