基于数学形态学的车牌自动识别

论文摘要

随着汽车行业和公路交通事业的迅速发展,交通管理的智能化、信息化是大势所趋。车牌自动识别系统（LPR）是智能交通系统（ITS）的核心,是交通信息服务系统的重要组成部分,也是整个智能系统顺利运作的关键和基础。车牌自动识别包括:车牌定位、字符分割和字符识别。虽然数学形态学已被应用于车牌定位,但在字符分割方面应用较少。本文探讨了将数学形态学与其它方法相结合,改善车牌定位、字符分割的性能,从而得到较高的车牌识别率。在车牌定位方面,使用了形态学和拓扑学相结合的方法对车牌区域进行定位提取。该方法首先采用Top-Hat变换以及开、闭运算对抓拍的车辆图像进行预处理;然后采用连通体态分析法（CCA）对图像进行粗定位;最后对计算得到的车牌候选区的欧拉数进行判别,最终提取真正的车牌区域。在字符分割方面,采用数学形态学与投影相结合的方法进行车牌字符分割。首先采用数学形态学突出车牌字符区域特征,然后利用水平投影除去上下边界,垂直投影突出单个字符区域,再结合车牌固有特征等先验知识最终分割出字符。在字符识别方面,采用了模板匹配方法。先将字符归一化,然后提取字符的过线特征、左右轮廓特征,根据这些特征组成字符的特征向量,对字符进行初分类,然后利用模板匹配的方法对字符进行细分类,从而完成字符的识别。文中基于数学形态学的车牌识别方法定位准确度较高,字符分割质量较好,而且算法实现简单,对提高整个系统的时效性有很大帮助。最后利用SOPC搭建车牌自动识别系统的FPGA硬件平台,并利用NIOS II软处理核实现了识别的软件设计。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 车牌自动识别系统的应用背景
• 1.2 国内外研究现状
• 1.2.1 研究现状
• 1.2.2 技术难点
• 1.3 车牌自动识别系统的组成
• 1.4 本文研究的主要内容
• 第2章 基于数学形态学的车牌定位
• 2.1 车牌定位方法的研究
• 2.1.1 车牌的基本特征
• 2.1.2 传统的车牌定位方法
• 2.2 车辆图像的预处理
• 2.2.1 图像的灰度化
• 2.2.2 数学形态学运算
• 2.2.3 Top－hat 变换
• 2.2.4 图像的形态学预处理
• 2.3 车牌区域定位
• 2.3.1 车牌区域粗定位
• 2.3.2 车牌区域精定位
• 2.4 仿真结果及分析
• 2.5 本章小结
• 第3章 基于数学形态学的字符分割
• 3.1 前言
• 3.2 车牌字符规律和几何特征
• 3.3 字符图像预处理
• 3.3.1 图像二值化
• 3.3.2 倾斜校正
• 3.4 字符分割算法
• 3.4.1 字符区域粗分割
• 3.4.2 字符区域精确分割
• 3.5 仿真结果与分析
• 3.6 本章小结
• 第4章 车牌字符识别算法的研究
• 4.1 前言
• 4.2 模板匹配字符识别
• 4.2.1 创建模板
• 4.2.2 字符归一化
• 4.2.3 模板匹配
• 4.3 过线数特征
• 4.4 左右轮廓特征
• 4.5 本章小结
• 第5章 车牌自动识别系统的FPGA 设计
• 5.1 FPGA/SOPC 系统
• 5.1.1 FPGA/SOPC 特点
• 5.1.2 基于FPGA 嵌入IP 软核的SOPC 系统
• 5.1.3 NIOS II 软核处理器结构特点
• 5.2 系统硬件资源介绍
• 5.3 系统功能实现的硬件设计
• 5.3.1 CCD 控制模块的设计
• 5.3.2 图像采集模块的设计
• 5.3.3 图像实时动态显示模块的设计
• 5.4 基于NIOS II 处理器的软件设计
• 5.4.1 自定制指令实现接口及地址分配
• 5.4.2 NIOS II IDE 环境下的软件设计
• 5.5 本章小结
• 第6章 总结与展望
• 6.1 研究工作总结
• 6.2 研究工作展望
• 参考文献
• 致谢
• 附录 A（攻读学位期间所发表的学术论文目录）