基于神经网络的车牌照识别技术的研究

论文摘要

车牌识别技术是高速公路自动收费系统、城市道路监控系统、智能停车场管理系统、公安执法系统等诸多与智能交通相关的应用系统的核心技术。车牌识别技术可以应用于道路收费、交通等领域,起到节省人力成本、提高效率、改进管理体系等作用。随着我国汽车数量的迅速增加,车牌识别技术呈现出巨大的经济价值和现实意义。本论文在前人工作的基础上,完善并改进车牌识别系统软件设计,并针对车牌字符分割与识别的理论与技术进行了深入地研究,主要集中在字符的特征提取和分类方面。将主量成分分析方法应用于车牌字符的特征提取,并采用粗集理论对提取的主量特征进行约简,以约简后的特征作为神经网络输入,不仅可以降低网络结构的复杂度,而且可以提高网络学习速率及单个字符的识别率。在识别方法中,分析与比较了模板匹配和神经网络方法的优缺点,将模板匹配与BP神经网络相结合,采用多级多分类器的方案,设计了数字、字母、数字字母混合及汉字分类器。实验证明该方法对相似字符的识别是很有效的。

论文目录

• 摘要
• ABSTRACT
• 前言
• 第一章 车牌照图像预处理
• 1.1 图像灰度化
• 1.2 灰度拉伸
• 1.3 二值化
• 1.4 中值滤波
• 1.5 形态学滤波
• 1.5.1 数学形态学基本运算
• 1.5.2 形态学滤波法滤波
• 1.6 本章小结
• 第二章 车牌照图像的定位
• 2.1 车牌照类型规格介绍
• 2.2 车牌定位方法介绍
• 2.3 线段性探针搜索定位方法
• 2.3.1 水平方向定位
• 2.3.2 垂直方向定位
• 2.4 本章小结
• 第三章 车牌照图像的分割
• 3.1 图像分割
• 3.1.1 图像分割定义及其意义
• 3.1.2 图像分割的分类
• 3.2 字符分割方法
• 3.3 本文采用的字符分割算法
• 3.3.1 干扰字符切分的因素
• 3.3.2 基于垂直投影与先验知识的分割算法
• 3.4 本章小结
• 第四章 车牌字符识别
• 4.1 字符识别概述
• 4.2 字符归一化
• 4.2.1 字符归一化的分类
• 4.2.2 本文的归一化方法
• 4.3 字符的特征提取与选择
• 4.3.1 概述
• 4.3.2 字符特征提取
• 4.3.3 字符特征选择
• 4.4 基于神经网络与模板匹配的多分类器设计
• 4.4.1 BP 神经网络的基本原理
• 4.4.2 BP 网络的改进算法
• 4.4.3 仿真实验及其讨论
• 4.4.4 多级多分类器的设计
• 4.5 本章小结
• 第五章 车牌照识别系统的设计与实现
• 5.1 车牌识别系统的设计
• 5.1.1 系统设计的要求
• 5.1.2 系统功能
• 5.1.3 编程平台
• 5.2 软件系统设计思想
• 5.3 车牌识别系统的结构设计和功能实现
• 5.3.1 车牌识别系统数据流图
• 5.3.2 车牌识别系统的结构设计
• 5.4 本章小结
• 结论
• 参考文献
• 发表文章目录
• 致谢
• 详细摘要