图像处理与图像识别新技术在智能交通中的应用研究

论文摘要

智能交通系统ITS随着全球经济的迅速发展汽车数量的增加,已经成为各国研究的焦点。本文主要研究了多种图像处理与图像识别的技术,同时研究了它们的一些改进算法,并把这些技术应用在智能交通系统中。本文对智能交通所涉及问题进行了分析和研究,而作为智能交通系统重要组成部分的车牌识别系统在我国的研究还不是很成熟,所以本文重点研究了车牌识别系统。本文研究了车牌识别系统的三个子系统:（1）车牌定位系统。这是进行车牌识别的第一步工作。本文首先对采集到的汽车图像采用了4种图像处理技术来进行预处理,然后运用图像的垂直、水平投影法来定位车牌位置并且剪裁出车牌图像;（2）字符分割和特征提取系统。在字符分割前有5种图像处理技术运用于车牌图像处理中,字符分割后本文研究了字符特征提取的几种方法,为后面的字符识别工作做好准备工作。（3）字符识别系统。采用三层BP网络模型,在程序实现过程中反复试验,对车牌中的数字字符有较高的识别率。采用图像处理的模板匹配法对车牌中的英文字符进行识别,取得了不错的效果。最后作者以本论文的理论研究成果为基础并结合相关课题,利用VC++开发环境初步研究开发了有一定识别率的车牌识别系统。

论文目录

• 摘要
• Summary
• 第一章 绪论
• 1.1 应用背景及研究意义
• 1.2 国内外的研究现状
• 1.3 本课题研究的主要内容及创新之处
• 1.3.1 本文的主要研究内容
• 1.3.2 本课题的创新之处
• 第二章 对智能交通所涉及问题的分析和研究
• 2.1 车身颜色识别
• 2.2 车标识别
• 2.3 基于视频的运动车辆检测技术
• 2.4 车辆的大小、外形识别
• 第三章 车牌定位
• 3.1 汽车图像预处理
• 3.1.1 图像灰度转换
• 3.1.2 图像二值化处理
• 3.1.3 削弱背景干扰
• 3.1.4 图象平滑和去噪处理
• 3.2 车牌定位算法
• 第四章 车牌分割、特征提取
• 4.1 车牌分割
• 4.1.1 灰度转化
• 4.1.2 车牌图像二值化
• 4.1.3 梯度锐化
• 4.1.4 去除离散噪声
• 4.1.5 倾斜度调整
• 4.1.6 图像分割
• 4.1.7 字符归一化
• 4.2 图像特征提取
• 4.2.1 逐像素特征提取发
• 4.2.2 骨架特征提取法
• 4.2.3 垂直方向数据统计特征提取法
• 4.2.4 13特征点提取方法
• 第五章 基于BP神经网络的车牌字符识别
• 5.1 神经网络方法分析
• 5.1.1 神经网络概述
• 5.1.2 神经元模型
• 5.1.3 神经网络模型
• 5.1.4 神经网络的学习和训练
• 5.2 BP神经网络原理
• 5.2.1 BP神经网络结构
• 5.2.2 BP算法原理
• 5.2.3 BP网络的实现
• 5.3 英文字母识别
• 第六章 结论展望
• 致谢
• 参考文献
• 附录