车牌识别算法的研究与实现

论文摘要

车牌识别问题作为现代交通工程领域中研究的重点和热点问题之一,受到越来越多人们的关注。车牌识别算法一般可以分为车牌定位、牌照上字符的分割和字符识别三个主要组成部分。本文研究了进行车牌识别的各项关键技术,并针对现实车牌成像环境的特点,综合运用了图像分析与处理技术以及人工神经网络技术,确定了一系列有效的算法对车牌进行识别。在车牌定位中,综合运用Prewitt和Canny算子进行二值边缘检测;接着根据白色跳变点分布图用矩形匹配法实现粗定位;再根据条件搜索上下边缘,根据长宽比信息搜索左右边缘,扩展后进行车牌的准确定位裁剪。字符分割部分,本文依据现行的车牌设计原则,利用改进后的水平投影法,将车牌图像分割7个待识别字符,并对分割后的字符进行了归一化处理。实验证明该方法对解决汉字的不连通问题、字符的粘连问题以及车牌的前两个字符和后面5个字符之间存在的小圆点问题是行之有效的。在字符识别算法中,选取字符的粗网格特征作为字符的识别特征,将改进后的归一化字符原始特征直接输入到BP神经网络分类器中进行车牌字符识别,针对汉字笔划粘连、字符偏移等现象,在标准样本的基础上,为结构复杂、笔划紧密的省份汉字适当增加典型笔划粘连样本和典型偏移样本到汉字网络的训练样本中。本文设计了针对车牌字符位数特点的四个神经网络(汉字网络、字母网络、字母数字网络和数字网络)来实现字符分类,实验结果表明,基于BP网络的神经网络分类器,可以明显提高字符网络的稳健性能,提升整体车牌识别系统的抗干扰能力、容错能力及正确识别率。在理论研究的基础上,本文采用Matlab对车牌识别的相应算法进行了系统建模求解和编程实现。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题的研究背景
• 1.2 车牌识别的主要方法
• 1.2.1 IC 卡识别技术
• 1.2.2 条形码识别技术
• 1.2.3 图像处理与模式识别技术
• 1.2.4 人工神经网络技术
• 1.3 车牌识别在国内外研究状况
• 1.4 我国汽车牌照的特殊性
• 1.5 论文的主要工作
• 第2章 车牌定位与图像预处理
• 2.1 车辆图像预处理
• 2.1.1 彩色车辆图像的灰度化
• 2.1.2 图像增强
• 2.1.3 边缘检测
• 2.2 车牌定位算法
• 2.2.1 车牌的基本特征
• 2.2.2 车牌照的定位算法
• 2.3 车牌照图像预处理
• 2.3.1 车牌照图像二值化
• 2.3.2 车牌照图像的倾斜校正
• 2.3.3 车牌照上下边框的去除
• 2.3.4 切割出车牌的最小范围
• 2.4 本章小结
• 第3章 车牌字符的分割
• 3.1 传统的车牌字符分割方法
• 3.1.1 水平投影法
• 3.1.2 模板匹配法
• 3.1.3 聚类分析法
• 3.2 本文采用的车牌字符分割方法
• 3.3 字符的归一化
• 3.4 本章小结
• 第4章 车牌字符特征提取和分类识别
• 4.1 字符识别方法概述
• 4.2 字符特征提取
• 4.2.1 字符特征提取方法概述
• 4.2.2 改进的粗网格特征提取方法
• 4.3 基于神经网络的字符识别
• 4.3.1 BP 神经网络学习算法
• 4.4 BP 神经网络的设计
• 4.4.1 输入层神经元个数
• 4.4.2 输出层神经元个数
• 4.4.3 隐含层层数的选择及隐含层神经元数目
• 4.4.4 激励函数的选择
• 4.5 BP 网络的参数设置和训练识别
• 4.6 识别效果
• 4.7 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的学术论文
• 致谢