基于图像处理的铁路货车车号识别及其应用研究

论文摘要

随着计算机技术在工程领域中的广泛应用,人们对图像的处理与应用提出了更高的要求,传统的图像处理技术已显得力不从心。本文针对国际国内铁路运输管理信息系统的迅速发展,构建出基于图像处理的货车车号识别系统框架,提出一种利用数字图像处理技术来研究开发铁路货车车号自动识别系统的思路,给出了一个能有效地自动定位、分割、识别铁路货车车号的方法,应用于实际系统可以取得良好的效果。首先针对车号定位技术中最不稳定的因素即阈值的确定,提出基于颜色空间及灰度形态学的车号定位方法,可以避开图像二值化中阈值的确定问题。然后从所获取的货车图像中分割出车号,进行一定的预处理,使用特定方法提取分割出的货车车号字符的微结构特征,最后通过与字符标准模板匹配比较从而获得货车的号码。字符分割方面,在传统投影法的基础上,为解决其可靠性较低的问题,结合我国货车车号字符的一些特征进行工作,从而提高其在字符分割方面的成功率。本文采用BP神经网络进行模式识别,力图突破传统模式识别技术的局限,提高模式识别技术的效率。本论文的有关程序主要采用Delphi语言编写,完成后在计算机上进行了相应的调试,最后用实际的例子验证了文中所提出的方法的可行性。试验结果表明,该方案是有效的。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 论文的选题背景及意义
• 1.2 国内外相关研究情况
• 1.3 本文研究的目的及主要研究内容
• 第2章 数字图像处理技术
• 2.1 图像及图像处理基本知识
• 2.2 图像信息数字化
• 2.3 数字图像处理
• 2.4 数字图像处理的发展及应用
• 2.4.1 数字图像处理的应用
• 2.4.2 数字图像处理的发展方向
• 第3章 车号自动识别系统的总体架构
• 3.1 车号自动识别系统的功能需求分析
• 3.2 车号自动识别系统的构成
• 3.2.1 车号识别系统组成及工作原理
• 3.2.2 车号识别系统的要求
• 3.3 车号自动识别系统的关键技术
• 第4章 车号识别中图像处理技术
• 4.1 车号图像的获取
• 4.2 各种车号定位技术
• 4.2.1 基于边界的车号定位技术
• 4.2.2 基于区域的车号定位技术
• 4.2.3 基于神经元网络的车号定位技术
• 4.2.4 基于小波分析和变换的车号定位技术
• 4.2.5 基于矢量量化的车号定位方法
• 4.2.6 基于颜色空间的车号定位方法
• 4.3 基于颜色空间及灰度形态学的车号定位技术
• 4.4 车号图像的预处理及分割
• 4.4.1 车号图像的灰度化
• 4.4.2 车号图像的二值化
• 4.4.3 车号图像倾斜校正
• 4.4.4 字符分割
• 第5章 车号图像的模式识别
• 5.1 字符图像归一化处理
• 5.2 字符特征的选择与提取实现
• 5.3 基于神经元网络的字符识别技术
• 5.3.1 神经元模型
• 5.3.2 BP网络的学习算法
• 5.3.3 BP网络的设计
• 5.3.4 BP网络的不足与改进
• 5.4 BP神经网络的技术实现及试验结果分析
• 5.4.1 BP网络的拓扑结构
• 5.4.2 输出编码
• 5.4.3 BP网络的训练
• 结论
• 致谢
• 参考文献
• 攻读硕士学位期间发表的论文及科研成果