基于形状上下文的复杂车牌识别系统

论文摘要

车牌识别技术是智能交通的重要组成部分,主要包括车牌定位,车牌分割和字符识别三部分。本文设计的车牌识别系统涉及图像处理,机器视觉和神经网络三个领域,改进的算法提高了车牌定位、分割、字符归一化及识别的准确性。本文的主要工作有如下：(1)介绍车牌识别的背景、现实意义及国内外研究的现状,分析了我国车牌识别存在的特殊性,以及车牌识别技术的发展前景；(2)结合我国标准制式下车牌的制作标准,改进传统投影法对拍摄到的车牌图像进行车牌区域定位,在得到的候选车牌区域根据区域宽高比等因素选择一个最优区域作为定位的车牌。(3)提出一种基于迭代式的车牌的分割算法,它能够充分利用车牌字符的先验知识,对于存在复杂背景,不同光照条件下以及不同尺度下的车牌图像均能获得良好的分割效果,具有较强的鲁棒性。并给出一个车牌语法规则的定义。(4)物体的目标轮廓信息即使在复杂环境下也能显得突出和稳定,因此,本文采用一种基于形状上下文的方法对分割的字符提取特征,此特征具有尺度、旋转不变性。在特征提取后,可以采用形状匹配法和BP神经网络法进行字符识别。(5)根据车牌语法规则的定义,对分割字符的识别结果进行语法分析,从而校正不符合语法规则的错误字符,并给出两种衡量车牌是否正确识别的定义。采用本文设计的系统对拍到的车牌图像进行实验研究,计算系统中车牌识别的正确率。实验表明,本系统具有较高的匹配度和较强的适用性,可广泛用在车牌字符识别中。(6)总结该车牌识别系统的缺点与优点,并指出今后可继续进行研究的方向和应该注意的问题。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题背景及现实意义
• 1.2 国内外研究现状及国内车牌特殊性
• 1.3 车牌识别技术简介
• 1.4 车牌识别系统的组成
• 1.5 本文主要工作
• 第二章 车牌定位和倾斜校正
• 2.1 车牌定位
• 2.1.1 边缘检测
• 2.1.2 投影定位车牌
• 2.1.3 选取最优车牌候选区域
• 2.2 倾斜校正
• 2.2.1 Hough变换
• 2.2.2 图像旋转
• 2.3 本章小结
• 第三章 迭代式车牌分割
• 3.1 先验知识分析
• 3.1.1 先验知识
• 3.1.2 车牌语法规则
• 3.2 预处理
• 3.2.1 车牌颜色种类判别
• 3.2.2 车牌大小归一化
• 3.2.3 滤波处理
• 3.3 迭代式字符分割方法
• 3.3.1 字符分割
• 3.3.2 字符筛选过程
• 3.3.3 迭代分割结束判断
• 3.3.4 粘连断裂处理
• 3.3.5 本章小结
• 第四章 车牌字符识别
• 4.1 字符识别方法
• 4.1.1 模板匹配法
• 4.1.2 特征统计匹配法
• 4.1.3 神经网络识别法
• 4.2 字符特征提取
• 4.2.1 骨架特征
• 4.2.2 形状上下文
• 4.2.3 两种特征提取法实验效果对比
• 4.3 神经网络
• 4.3.1 神经网络结构
• 4.3.2 BP神经网络模型
• 4.4 本文识别方法
• 4.5 本章小结
• 第五章 实验研究
• 5.1 识别结果校正
• 5.2 车牌成功识别的表示方法
• 5.3 实验结果
• 5.4 本章小结
• 第六章 展望与总结
• 6.1 总结
• 6.2 展望
• 致谢
• 参考文献
• 附录
• 详细摘要