高速公路收费系统的车牌智能识别系统

论文摘要

车牌智能识别系统是对采集的包含车辆牌照的图像进行处理,自动定位车牌区域,实现车牌字符分割与识别的人工智能系统。因此,车牌智能识别系统主要由图像采集与预处理、车牌区域定位、车牌字符分割、特征提取与字符识别等部分组成。为高速公路收费系统设计的车牌智能识别系统将车牌智能识别的通用技术与高速公路收费站点周围环境的特点相结合,兼顾识别系统的准确性与收费系统的实时性,构建以服务高速公路收费为特色的车牌智能识别系统。本文在基于灰度图像的车牌区域搜索的思想下,提出了一套基于二值图像的,适合高速公路收费系统的车牌智能识别的算法。该算法首先通过设置图像采集设备位置的方法消除由于图像采集设备的摆放位置对车牌倾斜的影响,从而达到车牌倾斜矫正的部分目的。在图像预处理过程中,针对图像采集现场的特殊性,采用一阶差分算法结合累积像素点确定二值化阈值的方法,完成图像边缘轮廓的提取工作。在车牌区域定位中,该算法在图像预处理的基础上利用车牌区域在水平方向上像素跳变剧烈的纹理特征,并结合车牌区域的物理特性,对车牌区域进行粗定位,接着在该区域中提高定位精度,最终确定车牌区域。在此过程中,该算法运用扫描线检测的方法比较RGB三种颜色分量以确定车牌底色。针对汉字结构比数字及字母的结构复杂,该算法对两者采用不同的特征提取方法与识别算法,即对汉字采用非均匀粗网格与二阶矩相结合的特征提取方法,并采用改进的BP神经网络识别方法,而对数字及英文字母采用单位块密度与一阶原点矩相结合的特征提取方法,同时采用聚类分析的识别方法。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 引言
• 1.2 车辆牌照
• 1.3 国内外发展状况
• 1.4 车牌智能识别系统的技术指标
• 1.4.1 识别率
• 1.4.2 识别速度
• 1.4.3 后台管理程序
• 1.5 车牌智能识别的难点
• 1.6 车牌智能识别系统结构
• 1.7 课题来源及要求
• 1.8 主要研究内容
• 第二章 图像预处理
• 2.1 引言
• 2.2 采集设备的位置
• 2.3 图像格式转化
• 2.4 彩色图像灰度化
• 2.5 图像边缘检测与二值化
• 2.6 改进的边缘检测与二值化方法
• 2.6.1 竖直方向的像素差分
• 2.6.2 二值化阈值的确定
• 2.7 本章小结
• 第三章 车牌区域定位
• 3.1 引言
• 3.2 图像分割理论及方法
• 3.3 基于像素特征的区域定位方法
• 3.3.1 车牌区域粗定位
• 3.3.2 车牌底色检测
• 3.3.3 车牌区域精确定位
• 3.3.4 倾斜度矫正
• 3.4 本章小结
• 第四章 车牌字符分割
• 4.1 引言
• 4.2 车牌的水平投影
• 4.3 车牌的竖直投影与字符分割
• 4.3.1 字符漏检处理
• 4.3.2 字符少检处理
• 4.3.3 汉字的重定位与二值化
• 4.4 本章小结
• 第五章 车牌特征提取
• 5.1 引言
• 5.2 类别可分性判据
• 5.3 车牌字符特征提取
• 5.3.1 字符图像归一化
• 5.3.2 英文字符及数字的特征提取
• 5.3.3 汉字字符的特征提取
• 5.4 本章小结
• 第六章 车牌字符识别
• 6.1 引言
• 6.2 改进的BP 神经网络
• 6.2.1 BP 网络理论
• 6.2.2 BP 神经网络的不足与改进
• 6.3 汉字分类器
• 6.3.1 BP 网络输入与输出层设计
• 6.3.2 BP 网络隐层的设计
• 6.3.3 BP 网络初始权值的选取
• 6.3.4 BP 网络的改进
• 6.3.5 BP 网络的C++实现
• 6.4 聚类分析算法
• 6.4.1 动态聚类算法
• 6.4.2 有监督分类算法
• 6.5 英文字符及数字分类器
• 6.5.1 分类器设计
• 6.5.2 K-均值算法的C++实现
• 6.6 识别结果优化
• 6.7 本章小结
• 第七章 实验结果
• 第八章 结束语
• 参考文献
• 致谢
• 在学期间的研究成果及发表的学术论文