车牌的定位与识别

论文摘要

车辆牌照自动识别系统是近几年发展起来的基于图形图像处理和字符识别术的智能化交通管理系统的一个核心组成部分,是目前世界范围内模式识别研究领域的一个热点。本文对车辆牌照定位及识别系统中的图像预处理、字符分割和字符识别等技术所涉及的新算法、新设计做了一个比较详细的论述。本文在图像预处理中采用了灰度图像二值化的算法和基于数学形态学的图像去除噪声的方法。基于数学形态学的图像去除噪声是通过对图像的开、闭操作有选择的去噪。可以去除直径小于字符笔划半径的孤立噪声点。本文在研究了车牌定位及分割的一些经典方法的基础上,采用基投影法的定位方法实现车牌的定位,利用了灰度投影法和连通域分析综合方法最终较好地实现了车牌字符的分割。本文重点对基于BP神经网络的车辆牌照识别技术进行了深入的研究和分析。首先介绍了汽车牌照识别系统的现状;其次对神经网络的构成以及相关的理论进行了讨论,着重分析了神经网络的理论原理和在字符识别中的应用方法并给出了实验结果。本论文结论如下:1、研究了车牌区域定位模块所涉及到一些预处理方法。针对车牌图象对比度增强的特点,设计了一段灰度变换函数,探讨了车牌图像定位模块所涉及到的车牌图像二值化技术。2、对车牌定位分割的一些经典方法进行了分类归纳,设计并实现了基于投影法的定位分割方法,设计的方法具有分割比较准确、运算简单的优点,适合实际使用。3、本论文利用神经网络技术,对车牌自动识别系统进行研究。在所拍摄的车牌照片中,先获取车牌位置,再把车牌的各个字符分割,提取出各个字符的特征,再利用BP神经网络进行识别,从而获取车牌号码。

论文目录

• 内容提要
• 第一章 绪论
• 1.1 车牌识别系统的应用背景
• 1.2 车牌识别系统的组成及工作原理
• 1.3 车牌识别技术发展状况
• 1.4 论文的结构
• 1.5 本论文主要工作
• 第二章 车牌识别系统的理论知识
• 2.1 模式识别
• 2.1.1 模式和模式识别的概念
• 2.1.2 模式识别系统
• 2.1.3 常用方法和在车牌识别中的运用
• 2.2 数字图像处理技术
• 2.2.1 图像处理概述
• 2.2.2 数字图像处理的主要内容
• 2.2.3 车牌识别中常用的数字图像处理技术
• 2.3 模板匹配
• 2.3.1 模板匹配的基本概念
• 2.3.2 模板匹配法
• 2.3.3 利用模板匹配进行字符识别
• 2.4 BP神经网络法以及字符识别原理
• 第三章 车牌图象预处理
• 3.1 图像预处理
• 3.1.1 车牌图象增强
• 3.1.2 灰度变换
• 3.2 直方图均衡处理
• 3.3 变形矫正和缩放处理
• 3.4 车牌图像二值化
• 3.5 车牌图像倾斜校正
• 3.5.1 车牌图像倾斜原因
• 3.5.2 车牌倾斜度校正
• 3.6 本章小结
• 第四章 车牌的定位
• 4.1 引言
• 4.1.1 我国车牌类型及特点
• 4.2 车牌定位方法回顾
• 4.3 本文的车牌定位方法
• 4.3.1 牌照水平方向的定位算法
• 4.3.2 牌照垂直方向的定位算法
• 4.3.3 本文车牌定位过程实现及系统设计
• 4.3.4 车牌定位的实验结果
• 4.4 本章小结
• 第五章 车牌字符的分割
• 5.1 传统的车牌字符分割方法
• 5.1.1 利用灰度投影法实现字符分割
• 5.1.2 利用连通域分析法实现字符分割
• 5.1.3 基于先验知识的字符分割
• 5.2 噪声消除与粘连、断裂字符处理
• 5.3 本文车牌字符分割的方法
• 5.4 字符的归一化
• 5.5 本章小结
• 第六章 基于神经网络的车牌字符识别
• 6.1 车牌字符识别现有技术
• 6.2 车牌字符特征提取
• 6.3 基于BP神经网络的车牌字符识别
• 6.3.1 神经网络理论概述
• 6.3.2 BP神经网络算法的描述
• 6.3.3 BP网络存在的缺陷及其原因分析
• 6.3.4 BP网络算法的改进
• 6.4 本文的字符识别方法
• 6.4.1 神经网络设计
• 6.4.2 字符识别系统设计及实验结果分析
• 6.5 本章小结
• 结论
• 参考文献
• 摘要
• ABSTRACT
• 致谢