车牌字符自动识别方法的研究

论文摘要

汽车车牌自动识别系统是以汽车车牌为特定目标的专用计算机智能系统,是图像处理技术和计算机视觉在智能交通领域应用的重要研究方向之一,在交通流量检测、机场、港口、小区的车辆管理、不停车自动收费、闯红灯等违章车辆监控以及车辆安全防盗等领域得到了广泛应用,具有广阔的应用前景。一般情况下,车牌自动识别系统的软件部分主要完成的功能:图像预处理、车牌定位、车牌倾斜校正、字符分割、字符识别。考虑到实验条件和时间的限制,本文主要围绕以下几个部分进行设计:车牌定位、倾斜校正、字符分割、字符识别。本文只对这四个部分提出了有效的解决策略,完成了实验。①图像预处理部分:简单介绍了本文所用到的一些图像预处理技术,包括:图像的灰度化、图像增强、数学形态学、图像的二值化、边缘检测等,并给出了各自的实验结果。②车牌定位:本文在广泛分析、比较已有方法的基础上,提出了一种基于数学形态学与投影的车牌定位算法,该方法采用Top-Hat变换、灰度图像数学形态学对经灰度化处理的图像进行预处理,然后利用连通体态分析法得到车牌候选区域,最后结合车牌区域的投影特征定位出车牌。有效地解决了自然背景下车牌定位问题,同时该方法适用于多车牌定位场合。大量实验表明:该算法具有定位准确率高（达到了97.4%）,鲁棒性强、速度快等优点。③倾斜校正和字符分割:在车牌准确定位的基础上,应用基于边缘点投影方差最小和Radon变换的方法对车牌进行了校正,提出了基于投影二分法和先验知识的字符分割算法,实验结果表明该方法分割速度快、分割准确度高,对字符粘连、断裂、倾斜不敏感。④字符识别:考虑到采集的实验样本图像有限以及传统字符识别方法的不足,提出了基于组合特征和支持向量机的车牌字符识别方法,算法首先采用一维小波分解多角度投影和Pseudo-Znerike不变矩提取车牌字符图像的特征,然后运用双线性搜索法,用提取的特征训练出使支持向量机学习精度最高的分类器,再运用此分类器分类和识别车牌字符,用大量样本对系统进行测试,车牌整体识别率达到97.6%,通过对比性研究,验证了该方法的有效性和先进性。本文基于理论研究,提出了相应的算法并采用Matlab进行了编程实现。

论文目录

• 中文摘要
• 英文摘要
• 1 绪论
• 1.1 课题背景和研究意义
• 1.1.1 课题背景
• 1.1.2 研究的意义
• 1.2 国内外概况
• 1.3 我国汽车车牌的特征
• 1.4 车牌识别系统的组成
• 1.5 论文结构安排
• 2 车牌识别相关图像预处理技术
• 2.1 车牌图像的灰度化
• 2.2 图像增强
• 2.2.1 直方图均衡化
• 2.2.2 灰度拉伸
• 2.3 数学形态学
• 2.3.1 二值图像数学形态学
• 2.3.2 灰度图像数学形态学
• 2.3.3 Top-Hat 变换
• 2.4 图像二值化
• 2.4.1 全局阈值法
• 2.4.2 局部阈值法
• 2.5 边缘检测
• 2.5.1 Sobel 算子
• 2.5.2 Roberts 算子
• 2.5.3 Canny 算子
• 2.6 本章小结
• 3 车牌定位
• 3.1 国内车牌的基本特征
• 3.2 传统的车牌定位算法
• 3.2.1 基于灰度图像的定位方法
• 3.2.2 基于图像彩色信息的方法
• 3.3 本文采用的定位方法
• 3.3.1 车牌图像预处理
• 3.3.2 粗定位
• 3.3.3 细定位
• 3.4 实验结果与分析
• 3.5 本章小结
• 4 车牌倾斜校正与字符分割
• 4.1 倾斜校正
• 4.1.1 倾斜校正方法原理介绍
• 4.1.2 去除上下边框和铆钉
• 4.1.3 倾斜校正实验结果与分析
• 4.2 字符分割
• 4.2.1 传统的车牌字符分割方法
• 4.2.2 本文的车牌字符分割方法
• 4.2.3 字符分割实验结果与分析
• 4.3 本章小结
• 5 字符识别
• 5.1 车牌字符识别特点
• 5.2 常用的车牌字符识别方法
• 5.3 支持向量机的相关知识
• 5.3.1 支持向量机的原理
• 5.3.2 常用的核函数
• 5.3.3 RBF 核函数参数求解方法
• 5.4 字符特征提取
• 5.4.1 常用的字符特征提取方法
• 5.4.2 本文的特征提取方法
• 5.5 实验结果与对比分析
• 5.5.1 样本选取
• 5.5.2 RBF 核SVM 参数的优化选取
• 5.5.3 实验对比
• 5.6 本章小结
• 6 总结与展望
• 6.1 总结
• 6.2 展望
• 致谢
• 参考文献
• 附录 作者在攻读硕士学位期间发表的论文目录