基于小波分析的自动车牌识别算法的研究与设计

论文题目: 基于小波分析的自动车牌识别算法的研究与设计

论文类型: 硕士论文

论文专业: 信号与信息处理

作者: 刘大良

导师: 解梅

关键词: 车牌识别,小波分析,图像处理,车牌提取,字符识别

文献来源: 电子科技大学

发表年度: 2005

论文摘要: 进入21 世纪以来,随着人口的增加和人们生活水平的增加,车辆大量增加,交通变得越来越拥挤,给社会和环境造成了越来越大的压力。智能交通系统(ITS)恰好为我们解决这些问题提供了答案,得到了越来越多的应用。而车牌识别系统(LPR)是ITS 中关键技术之一,同时LPR 发展也非常快,已经逐渐地应用到我们的现实生活中了。车牌识别系统可以对车辆进行自动登记、验证、监视和报警,进而可以应用到高速公路收费管理系统、高速公路超速自动化监管系统、公路布控、停车场收费管理系统和“电子警察”等领域。本文完成了车牌识别系统的算法研究和设计工作,主要工作有以下几个部分:(1)车牌提取算法。首先对原始图像进行预处理,去除噪声和增强对比度;然后利用原图像的垂直梯度的水平投影实现车牌图像的粗定位;最后利用小波分析提取车牌图像的高频信息从而实现车牌精定位;(2)字符分割算法。使用车牌拉普拉斯边缘二值图像的区域生长算法和车牌图像灰度垂直投影算法共同提供的字符位置信息进行字符定位,并且结合车牌字符排列的先验知识以分割出字符;(3)字符识别算法。首先进行增强后的字符二值化算法和模板细化算法提取字符骨骼信息;然后进行字符特征提取算法,字符特征包括字符细化后的特征点向量和字符的小波矩向量,最后将这些特征向量输入训练好的BP 神经网络进行字符识别,输出车牌号码。本文提到的所有算法皆已在Matlab 上正确实现并仿真成功,使用从各种不同环境中采集了353 幅含有车牌的图像作为数据源,数据源具有相当的代表性。使用这些图像对我们的算法进行验证,车牌号码(不包括汉字)的正确识别率为93.2%。所有这些都表明我们的算法识别率较高,速度较快,并且具有相当的鲁棒性。

论文目录:

摘要

ABSTRACT

第一章 绪论

1.1 课题提出的背景和意义

1.2 车牌识别技术的现状和特点

1.2.1 国内外车牌自动识别应用技术分析

1.2.2 我国汽车牌照的特点

1.2.3 车牌识别技术的应用情况

1.3 本课题所做的主要工作

1.4 本文的结构

第二章 自动车牌识别系统

2.1 图像处理系统的通用流程和设计思路

2.2 车牌识别系统的总体结构

2.2.1 系统的硬件部分

2.2.2 系统的软件部分

2.3 车牌识别系统的软件流程

2.3.1 车牌提取

2.3.1.1 图像的预处理

2.3.1.2 车牌提取算法

2.3.1.3 车牌图像的增强和归一化

2.3.2 车牌字符分割

2.3.2.1 利用区域生长算法得到个别字符的位置

2.3.2.2 利用车牌图像的竖直投影和先验知识来修正字符的位置

2.3.2.3 利用得到字符的位置进行字符分割

2.3.3 车牌字符识别

2.3.3.1 字符预处理

2.3.3.2 车牌字符的特征提取

2.3.3.3 字符识别神经网络

第三章 小波理论

3.1 小波变换的历史和发展现状以及应用情况

3.1.1 小波变换的历史和发展现状

3.1.2 小波变换的应用情况

3.2 小波及小波变换

3.3 多分辨率分析

3.3.1 多分辨率分析相关概念介绍

3.3.2 一维Mallat 算法

3.3.3 二维多分辨率分析

3.3.4 二维Mallat 算法

3.4 小波分析与图像处理

第四章 车牌提取和字符分割

4.1 车牌提取和字符分割发展状况

4.1.1 车牌提取算法的发展情况

4.1.1.1 基于灰度图像的车牌定位方法

4.1.1.2 基于彩色图像的车牌定位

4.1.1.3 车牌提取算法总体评价

4.1.2 字符分割算法分析

4.2 车牌提取算法

4.2.1 原始图像的采集

4.2.2 基于小波分析的车牌提取算法

4.2.2.1 粗分类

4.2.2.2 细分类

4.2.2.3 基于小波分析的车牌提取算法的实现和性能

4.3 字符分割算法

4.3.1 区域生长算法结合先验知识确定字符位置

4.3.2 竖直投影算法确定字符位置

4.3.3 结合两种算法得出的信息分割字符图像

4.3.4 算法结果分析

第五章 车牌字符识别

5.1 字符识别技术的发展情况和算法分析

5.1.1 字符识别技术的发展情况

5.1.2 字符识别算法分析

5.2 字符预处理

5.2.1 字符图像增强

5.2.2 字符图像二值化

5.2.3 二值图像细化

5.3 提取字符的特征向量

5.3.1 字符的特征点

5.3.2 字符的小波矩特征

5.4 应用神经网络进行字符识别

5.4.1 BP 神经网络概述

5.4.2 BP 神经网络构造和训练

5.4.3 应用 BP 神经网络进行字符识别

第六章 结论

参考文献

致谢

个人简历

攻读硕士学位期间发表的学术论文情况

发布时间: 2005-09-23

参考文献

• [1].基于小波分析的车牌识别关键方法研究[D]. 陆铮刚.上海交通大学2007
• [2].赤道几内亚车牌识别算法研究[D]. 伍小鹏.华南理工大学2017
• [3].机器学习和卷积神经网络在车牌识别的研究和应用[D]. 刘丰.华南理工大学2017
• [4].车牌识别的研究及其在智能交通管理系统的应用[D]. 王鑫.沈阳工业大学2007
• [5].复杂场景的车牌识别算法研究[D]. 杨柳风.大连海事大学2018
• [6].复杂场景下车牌识别方法研究[D]. 李松柏.中国科学院大学(工程管理与信息技术学院)2016
• [7].基于FPGA的车牌号识别技术研究与实现[D]. 吕意飞.兰州理工大学2014
• [8].闯红灯车牌的识别[D]. 韩居舒.上海交通大学2007
• [9].车牌识别算法的研究与实现[D]. 陈银燕.哈尔滨理工大学2008
• [10].运动车辆车牌识别算法的研究与实现[D]. 周明辉.昆明理工大学2013

相关论文

• [1].基于小波分析的车牌识别关键方法研究[D]. 陆铮刚.上海交通大学2007
• [2].基于数字图像处理技术的车牌识别算法研究[D]. 杨京忠.电子科技大学2007
• [3].基于小波和神经网络的车牌识别系统研究[D]. 王润民.湖南师范大学2007
• [4].基于小波变换和神经网络的车牌识别算法研究[D]. 王涛.武汉理工大学2007
• [5].基于遗传算法的车牌识别技术的研究及应用[D]. 陈林翔.河海大学2004
• [6].基于小波分析的车牌识别系统研究[D]. 薛宏全.电子科技大学2005
• [7].基于纹理特征的车牌识别系统的研究与实现[D]. 杨海廷.电子科技大学2005
• [8].车牌识别中的车牌定位与字符识别技术研究及实现[D]. 彭健敏.湖南大学2006
• [9].基于小波的图像分析及其在车牌识别中的应用[D]. 盛军.合肥工业大学2002
• [10].小波和神经网络模式识别技术及其在车牌识别中的应用[D]. 王志红.合肥工业大学2003

标签：车牌识别论文;  小波分析论文;  图像处理论文;  车牌提取论文;  字符识别论文;