停车场车牌识别技术研究与实现

论文摘要

随着社会经济的快速发展，国内汽车数量急剧增加。这对城市交通控制、安全管理以及停车场管理带来了极大压力，未来交通管理问题已成为一个亟待解决的现实问题。作为汽车唯一身份标识的车牌号码，车牌自动识别技术能够实现停车场汽车身份的自动登记与验证，从而大大减少管理人员的工作量。因此，它将成为实现未来停车场管理智能化的主要推动力，本文的主要任务就是对停车场车牌自动识别关键技术进行研究与实现。本文主要深入研究了停车场车牌图像定位、车牌字符分割以及车牌字符识别等关键技术，并提出了相应的算法。在车牌定位前，本文先对输入的车牌图像进行了一系列的预处理，然后提出了一种基于二值图像跳变和数学形态学的车牌定位方法。与现有车牌定位方法相比，本文提出的方法具有抗干扰能力强以及定位准确率更高等优点。车牌定位后，接下来对车牌图像区域进行了倾斜矫正、车牌边框铆钉去除，以及车牌背景统一处理，并采用了一种基于车牌字符连通区域的字符分割方法对车牌图像区域进行字符分割，该方法还对字符粘连和断裂情况进行了拆分与合并处理，实现了对车牌字符的有效分割。最后对分割出来字符块进行了归一化处理，详细分析了常用的一些字符识别方法原理，并对模板匹配和BP神经网络字符识别方法进行了改进，提高了车牌字符的识别率和识别速度。车牌字符识别后，再对识别出来的字符进行了语音报号和数据保存，以备必要时查询。本文有效提高了车牌定位的准确度，改进了现有的字符识别算法，解决了车牌字符分割中存在的字符粘连与断裂难题，实现了停车场汽车牌照号码的自动识别，且所有算法都在MATLAB(R2007b)编程环境下进行了仿真。

论文目录

• 摘要
• Abstract
• 目录
• 插图索引
• 附表索引
• 第1章 绪论
• 1.1 论文背景及其研究意义
• 1.2 国内外研究现状
• 1.3 停车场车牌识别的主要方法
• 1.3.1 IC 卡识别
• 1.3.2 数字图像处理识别
• 1.4 主要研究内容
• 1.5 论文内容结构安排
• 第2章 与车牌识别相关的数字图像处理技术
• 2.1 图像增强技术
• 2.1.1 空域增强
• 2.1.2 频域增强
• 2.2 图像分割技术
• 2.2.1 区域生长
• 2.2.2 边缘检测
• 2.2.3 阈值分割
• 2.3 数学形态学处理技术
• 2.3.1 腐蚀与膨胀
• 2.3.2 开启与闭合
• 2.4 本章小结
• 第3章 车牌图像定位
• 3.1 图像预处理
• 3.1.1 灰度化
• 3.1.2 图像增强
• 3.1.3 平滑滤波
• 3.1.4 图像二值化
• 3.1.5 形态学处理
• 3.2 常用的车牌定位方法分析
• 3.2.1 彩色图像的车牌定位方法
• 3.2.2 灰度图像的车牌定位方法
• 3.3 基于二值图像跳变和数学形态学的车牌定位方法
• 3.3.1 车牌粗定位
• 3.3.2 车牌细定位
• 3.3.3 实验结果分析
• 3.4 本章小结
• 第4章 车牌字符分割
• 4.1 车牌倾斜矫正
• 4.2 边框铆钉的去除
• 4.3 车牌背景统一
• 4.4 基于车牌字符连通区域的分割方法
• 4.5 字符归一化
• 4.6 实验结果分析
• 4.7 本章小结
• 第5章 车牌字符识别
• 5.1 车牌字符识别原理
• 5.1.1 统计模式识别原理
• 5.1.2 结构模式识别原理
• 5.2 车牌字符识别方法研究
• 5.2.1 模板匹配识别法
• 5.2.2 模糊识别法
• 5.2.3 人工神经网络识别法
• 5.2.4 支持向量机识别法
• 5.3 基于改进的模板匹配字符识别方法
• 5.3.1 改进的模板匹配算法
• 5.3.2 实验结果分析
• 5.4 基于改进的 BP 神经网络字符识别
• 5.4.1 改进的 BP 神经网络算法
• 5.4.2 BP 神经网络的设计
• 5.4.3 网络训练与测试
• 5.5 本章小结
• 结论
• 参考文献
• 致谢
• 附录A 攻读学位期间发表的学术论文目录