基于模糊理论的车牌图像分割与识别系统研究

论文摘要

车牌识别(LPR)是计算机视觉和模式识别在智能交通领域的重要应用,是实现智能交通运输系统的核心技术之一。本文通过分析车牌识别的国内外发展状况及趋势,总结了目前车牌识别存在的一些不足和需要改进的方面,设计了基于模糊理论的车牌图像分割与识别系统。首先,本文通过分析模糊阈值分割算法以及车牌分割与识别的关键技术,提出了本文的研究方案;然后针对传统车牌识别系统受获取条件影响较大的车牌图像分割问题,提出了改进的基于模糊阈值的车牌图像分割算法,并通过大量的车牌图像分割实验证明了本算法很好的解决了低质量车牌图像的分割问题,分割效果能够满足车牌识别系统对于车牌图像分割的要求;最后本文提出了基于粗网格特征和投影特征的组合特征提取方法进行车牌字符的特征提取,并建立了基于BP神经网络结构的模糊神经网络进行车牌的字符分类识别。识别实验结果表明本文建立的车牌字符识别系统的识别性能良好,汉字字符识别率达到96%以上,字母和数字字符平均识别率达到98%以上,算法具有优良的鲁棒性和先进性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题研究背景与意义
• 1.2 车牌识别技术的发展概况
• 1.2.1 国外发展概况
• 1.2.2 国内发展概况
• 1.3 基于模糊理论的图像处理技术发展概况
• 1.3.1 国外发展概况
• 1.3.2 国内发展概况
• 1.4 本文主要研究内容
• 1.5 本章小结
• 第二章 基于模糊理论的车牌识别系统技术理论与方案设计
• 2.1 基于模糊理论的图像阈值分割技术
• 2.2 车牌图像分割技术
• 2.2.1 基于阈值的分割
• 2.2.2 基于边缘检测的分割
• 2.3 车牌字符识别技术
• 2.3.1 常用的车牌字符识别技术
• 2.3.2 神经网络识别技术
• 2.3.3 模糊神经网络识别技术
• 2.4 研究方案设计
• 2.5 本章小结
• 第三章 基于模糊理论的车牌图像分割
• 3.1 车牌图像预处理
• 3.1.1 图像灰度化
• 3.1.2 图像增强
• 3.2 改进的基于模糊阈值的车牌图像分割算法
• 3.2.1 算法原理
• 3.2.2 算法实验结果
• 3.3 车牌图像分割结果与分析
• 3.4 本章小结
• 第四章 车牌的定位及字符分割
• 4.1 车牌的定位
• 4.1.1 常用的车牌定位方法
• 4.1.2 基于投影和数字形态学运算的车牌定位算法
• 4.2 车牌的校正
• 4.3 车牌的字符分割
• 4.3.1 车牌字符分割常用方法
• 4.3.2 基于投影的车牌字符分割
• 4.4 字符归一化
• 4.5 本章小结
• 第五章 车牌的字符识别
• 5.1 车牌字符特征提取
• 5.2 基于BP 神经网络的字符识别系统
• 5.3 基于模糊神经网络的车牌字符识别系统
• 5.3.1 模糊神经网络结构与学习算法
• 5.3.2 识别器设计
• 5.4 识别结果分析
• 5.5 本章小结
• 第六章 总结与展望
• 6.1 论文工作总结
• 6.2 论文后续工作展望
• 致谢
• 参考文献