车牌识别算法的研究和实现

论文摘要

近年来，随着社会经济的发展和人们生活水平的提高，汽车数量急剧增加，给交通控制和车辆管理带来很大的困难，智能交通系统的诞生缓解了交通压力，车牌号码是车辆的“身份”标识。所以，车牌识别技术已成为智能交通系统中的重要组成部分。车辆识别基于图像处理和模式识别理论，对含有车辆牌照的图像进行分析处理，从而确定牌照在图像中的位置，并进一步提取和识别出文本字符。本文从车牌定位、字符分割和字符识别三方面对车牌识别技术进行了深入研究。首先，本文研究了车牌定位模块。采用基于颜色信息和几何特征的车牌定位算法直接对采集到的彩色车辆图像进行车牌的定位分割，完成车牌定位；其次，对定位分割出的彩色车牌图像进行预处理，先后对车牌图像进行灰度化、倾斜校正、二值化、形态学处理以及去除车牌边框和非字符区域的处理，得到仅包含车牌字符区域的二值化图像，为车牌字符的分割做好准备；再次，对车牌字符分割进行研究，采用垂直投影法对车牌字符进行分割处理，将车牌的七个字符分割出来，并作归一化处理，使字符的大小相同，且与模板库中的字符大小一致，为车牌字符的识别奠定了坚实的基础；最后，对分割出的车牌字符进行识别，本文对传统的模板匹配算法进行改进，并采用改进的模板匹配算法对分割出的字符进行识别，给出了改进算法的详细工作过程，并用MATLAB软件对该算法进行仿真实验，结果显示该算法具有一定的适应性和鲁棒性。另外，本文最后采用了MATLAB对算法进行了仿真实现，并对该算法的有效性进行测试。实验表明，大多数图像都能够得到预期的效果。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 绪论
• 1.1 车牌识别技术的研究背景
• 1.2 车牌识别技术的研究现状与发展趋势
• 1.3 车牌识别算法简介
• 1.4 论文的主要内容和结构安排
• 第二章 车牌区域定位
• 2.1 车牌区域的特点
• 2.2 常用车牌定位算法分析
• 2.2.1 纹理特征法
• 2.2.2 几何特征法
• 2.2.3 频谱分析法
• 2.2.4 颜色特征法
• 2.3 基于颜色信息和几何特征的车牌定位算法
• 2.3.1 算法原理
• 2.3.2 定位实验效果分析
• 2.4 本章小结
• 第三章 车牌图像预处理
• 3.1 车牌图像的灰度化
• 3.1.1 灰度化的必要性
• 3.1.2 灰度化处理
• 3.2 车牌倾斜校正
• 3.2.1 常用倾斜校正方法分析
• 3.2.2 基于Radon 变换的车牌倾斜校正算法
• 3.2.2.1 Radon 变换原理
• 3.2.2.2 倾斜校正处理
• 3.3 二值化和形态学处理
• 3.3.1 二值化处理
• 3.3.2 形态学处理
• 3.3.2.1 形态学运算
• 3.3.2.2 形态学处理
• 3.4 去除车牌边框
• 3.5 本章小结
• 第四章 车牌字符分割
• 4.1 车牌字符分割介绍
• 4.2 利用垂直投影法实现字符分割
• 4.3 本章小结
• 第五章 车牌字符识别
• 5.1 常用字符识别方法分析
• 5.1.1 人工神经网络方法
• 5.1.2 统计模式识别方法
• 5.1.3 传统的模板匹配方法
• 5.2 基于改进模板匹配的字符识别算法
• 5.2.1 标准模板匹配
• 5.2.2 特征点匹配
• 5.2.3 边缘模板匹配
• 5.3 字符识别实验结果分析
• 5.4 本章小结
• 第六章 算法仿真
• 6.1 运行环境
• 6.2 仿真结果演示
• 6.3 语音播报和结果存储
• 6.4 本章小结
• 第七章 总结和展望
• 7.1 本文的主要工作
• 7.2 本文难点和不足
• 致谢
• 参考文献
• 作者攻读硕士学位期间发表论文及科研实践