实时车牌识别研究及其在智能交通系统中的应用

论文摘要

智能运输系统是21世纪现代化交通运输体系的重要发展方向,它是一种信息化、智能化、社会化的新型现代交通系统。随着社会经济的不断发展和人们生活水平的日益提高,整个社会对交通运输的需求不断增大,智能交通系统的应用势在必行。实时车牌识别作为智能交通系统中的一个分支,在大型停车场的管理系统、公共安全、交通管理及有关部门有着特别重要的实际运用价值,正日益受到人们的重视。本文运用图像处理技术、模式识别技术、车牌定位技术、字符分割技术、神经网络识别技术等来解决车辆牌照识别问题;分为图像预处理、车牌区域定位与几何校正、字符分割与归一化及字符识别四个模块对实时车牌识别进行分析研究。论文首先研究图像的预处理,将采集到的含有车牌的图像进行灰度化、灰度拉伸、直方图均衡化、中值滤波和图像二值化处理,并改进了一种二值化效果较好的基于灰度直方图的全局最佳平均阈值法;然后对我国车牌特征和常见的车牌定位技术进行深入研究,改进了一种基于车牌区域灰度分布与几何特征的实时车牌定位方法;通过对车牌发生几何形变的原因及类型的分析研究,采用了基于斜率的车牌倾斜校正方法;基于常见的字符分割方法和车牌本身的结构特点及先验知识的分析研究,改进一种基于投影法与车牌先验知识相结合的分割方法;采用邻近插值法,虽然精确度相对较低但可以满足系统的要求且实现方便,将字符归一化为32×16的点阵,为字符的识别做好准备。最后对粒子群优化算法和神经网络的相关原理作了简要介绍和分析研究,在此基础上提出了PSO-BP神经网络并将其用于实时车牌字符识别。

论文目录

• 中文摘要
• 英文摘要
• 1 绪论
• 1.1 ITS概述
• 1.2 实时车牌识别系统的研究现状和技术难点
• 1.3 我国车牌识别的特殊性
• 1.4 课题研究背景、意义及主要内容
• 1.4.1 课题背景和意义
• 1.4.2 课题研究的主要内容
• 2 车辆图像的预处理
• 2.1 图像的灰度化
• 2.2 图像的增强
• 2.2.1 灰度拉伸
• 2.2.2 直方图均衡化
• 2.2.3 图像滤波
• 2.3 图像的二值化
• 2.3.1 常用二值化阈值选取方法分析
• 2.3.2 基于灰度直方图的全局最佳平均阈值法
• 2.4 小结
• 3 车牌的定位与几何校正
• 3.1 我国车牌特点分析
• 3.2 常见车牌定位技术的研究
• 3.2.1 基于边缘检测的定位方法
• 3.2.2 基于数学形态学的定位方法
• 3.2.3 基于神经网络的定位方法
• 3.2.4 基于彩色图像的车牌定位方法
• 3.3 基于车牌区域灰度分布与几何特征的实时车牌定位算法
• 3.4 车牌的几何较正
• 3.4.1 车牌图像几何变形的原因及类型的研究
• 3.4.2 常见的几何校正方法研究
• 3.5 本文采用的倾斜校正方法
• 3.6 小结
• 4 车牌字符分割与归一化
• 4.1 常用车牌字符分割方法的研究
• 4.1.1 基于投影法的字符分割
• 4.1.2 基于模板匹配的字符分割
• 4.1.3 基于连通域的字符分割
• 4.1.4 基于聚类分析的字符分割
• 4.2 基于投影法与车牌先验知识相结合的分割方法
• 4.3 车牌字符图像的归一化分析
• 4.3.1 分裂合并归一化
• 4.3.2 插值变换归一化
• 4.4 小结
• 5 基于PSO-BP神经网络的车牌字符识别
• 5.1 粒子群优化算法
• 5.1.1 群智能简介
• 5.1.2 粒子群算法原理
• 5.1.3 粒子群算法参数
• 5.1.4 粒子群算法流程
• 5.1.5 粒子群算法特点
• 5.2 BP神经网络
• 5.2.1 神经网络简介
• 5.2.2 人工神经元模型
• 5.2.3 神经网络的学习与训练
• 5.2.4 神经网络的BP模型
• 5.3 PSO-BP神经网络在实时车牌字符识别中的应用
• 5.3.1 实时车牌识别系统的结构设计和功能实现
• 5.3.2 PSO-BP神经网络的结构设计
• 5.3.3 各类字符的识别
• 5.3.4 实验结果及性能分析
• 5.4 小结
• 6 结论与展望
• 致谢
• 参考文献
• 附录