遗传算法在车牌识别系统中的应用研究

论文摘要

近年来我国城市智能交通系统发展得很快,车牌识别系统作为城市智能交通系统中信息采集的一种手段,也得到了很快的发展。遗传算法是一种模拟自然界进化过程的寻优算法。自提出之日起,遗传算法的理论得到了很大程度的完善,出现了许多针对不同问题的改进型遗传算法。由于遗传算法有着解集搜索能力、寻优能力、容错能力、适应能力、隐含并行性等特点,在很多学科领域尤其是图像处理领域内,都有着很大的研究价值和实用价值。本文在详细研究了遗传算法原理和国内外车牌识别系统的基础上,结合我国车牌特点提出了一套新型车牌识别系统,取得了较好的效果。本文对车牌识别技术的研究,主要的工作有三个方面:1深入研究了遗传算法的原理及改进思想,并根据车牌区域特征适当构造适应度函数,成功地将遗传算法应用到车牌定位之中,实验效果良好;2针对车牌定位、倾斜校正和字符分割部分的各种主流思想的不足,提出了较为行之有效的改进算法;3深入学习了人工神经网络的基本原理,并在此基础上结合模板匹配思想实现了车牌字符的分层识别算法。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景及现实意义
• 1.2 技术背景
• 1.2.1 国内外车牌识别技术现状
• 1.2.2 国内车牌特征与分类
• 1.3 论文结构
• 1.4 作者的主要工作
• 1.5 系统实现的软件平台
• 第二章 遗传算法与图像基本处理技术
• 2.1 图像的预处理技术
• 2.1.1 车牌图像的采集
• 2.1.2 运动模糊
• 2.1.3 图像的灰度化
• 2.1.4 图像的二值化
• 2.1.5 图像的增强
• 2.1.6 图像的滤波
• 2.2 遗传算法
• 2.2.1 遗传算法基本原理与流程
• 2.2.2 遗传算法的特点
• 2.2.3 遗传算法的数学模型
• 2.2.4 遗传算法的染色体编码与解码
• 2.2.5 个体适应度的检测评估
• 2.2.6 遗传算子
• 2.2.7 遗传算法的运行参数
• 2.3 改进的遗传算法
• 2.4 遗传算法在图像处理领域中的应用
• 2.4.1 遗传算法在图像匹配中的应用
• 2.4.2 遗传算法在图像分割中的应用
• 2.4.3 遗传算法在图像增强中的应用
• 第三章 车牌定位技术及相关问题的研究
• 3.1 车牌定位的先验知识
• 3.2 车辆牌照的图像预处理
• 3.2.1 车辆图像灰度化
• 3.2.2 车辆图像增强
• 3.2.3 车辆图像滤波
• 3.2.4 车辆图像边缘检测
• 3.2.5 车辆图像旋转
• 3.3 基于灰度特征的车牌定位改进算法研究
• 3.3.1 数学形态学基础
• 3.3.2 基于灰度特征及形态学操作的车牌定位算法实现
• 3.3.3 基于灰度特征及形态学操作的车牌定位算法小结
• 3.4 基于颜色特征的车牌定位改进算法研究
• 3.4.1 基于颜色特征的车牌定位改进算法实现
• 3.4.2 基于颜色特征的车牌定位改进算法小结
• 3.5 基于遗传算法的车牌定位改进算法研究
• 3.5.1 基于遗传算法进行车牌定位的前期处理
• 3.5.2 特征提取及适应度函数的构造
• 3.5.3 遗传算法的应用
• 3.5.4 基于遗传算法的车牌定位改进算法小结
• 3.6 车牌定位三种算法的比较
• 第四章 字符分割技术及相关问题的研究
• 4.1 车牌图像倾斜校正
• 4.1.1 倾斜角度计算
• 4.1.2 坐标变换校正图像
• 4.2 字符分割预处理
• 4.3 字符分割
• 4.3.1 基于聚类思想的字符分割改进方法
• 4.3.2 基于模板匹配的字符分割改进方法
• 4.3.3 车牌字符分割小结
• 第五章 字符识别技术及相关问题的研究
• 5.1 字符识别的原理及主要方法
• 5.1.1 模板匹配方法
• 5.1.2 人工神经网络介绍
• 5.2 字符特征选取
• 5.3 基于BP 神经网络和模板匹配的分层字符识别算法
• 5.3.1 模板匹配粗识别
• 5.3.2 BP 神经网络字符识别
• 5.3.3 算法流程图
• 第六章 车牌识别系统及本文算法实验结果比较
• 6.1 车牌识别系统
• 6.2 车牌定位算法的实验结果比较
• 6.3 字符分割算法的实验结果比较
• 6.4 字符识别算法的实验结果
• 第七章 结论
• 参考文献
• 致谢
• 在学期间的研究成果及发表的学术论文