基于小波神经网络的车牌识别研究与应用

论文摘要

车牌识别系统VLPR （Vehicle License Plate Recognition）是现代智能交通系统ITS （Intelligent Transportation System）中的重要组成部分,在违章车辆抓拍、停车自动收费、交通流量检测、车辆管理等方面有着非常广泛的应用。本文实现了车牌识别系统中的车牌图像预处理、车牌定位、车牌字符分割和字符识别,重点对基于小波神经网络的车牌字符识别技术进行了研究。首先,对从图像采集设备获取的彩色车牌图像做灰度化处理,并用离散小波变换方法对车牌灰度图像做去噪和增强处理,减少图片的噪声干扰,提高图片质量,为车牌定位工作做好准备。在车牌定位过程中,结合车牌特点的先验知识以及车牌二值图像的跳变点分布特点,选择边缘检测方法对车牌进行定位,边缘检测中使用Sobel算子。在车牌字符分割过程中,对定位出的车牌区域图像做二值化和去边框处理,分析车牌字符间距和比例的特点,采用垂直投影方法进行字符分割,将分割后的字符图像做归一化处理。最后,利用小波神经网络进行车牌字符的识别。用小波变换结合网格统计的方法提取字符特征向量作为小波神经网络的输入,通过理论分析构建小波神经网络的基本模型,选取训练样本训练网络,并用测试样本验证网络的性能。本文利用VC++6.0进行系统开发,并使用MATLAB7.0作为实验研究辅助工具进行仿真实验。实验结果表明,本文提出的基于小波神经网络的车牌识别达到了较高的识别率,取得了很好的识别效果。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题的研究背景
• 1.2 车牌识别技术的研究现状
• 1.2.1 国内外车牌识别系统简介
• 1.2.2 车牌识别的基本方法
• 1.2.3 车牌识别的关键技术
• 1.3 本文的主要工作及内容安排
• 第二章 车牌图像预处理
• 2.1 车牌图像的灰度化
• 2.2 车牌图像的去噪与增强
• 2.2.1 图像去噪基础
• 2.2.2 图像增强基础
• 2.2.3 基于二进小波变换的图像去噪和增强
• 第三章 车牌定位算法研究
• 3.1 图像分割技术概述
• 3.1.1 图像分割的一般方法
• 3.1.2 基于特定理论的图像分割方法
• 3.2 车牌定位算法分析
• 3.2.1 汽车牌照的特点
• 3.2.2 常见车牌定位算法的比较分析
• 3.3 车牌定位的算法实现
• 3.3.1 车牌图像的二值化
• 3.3.2 二值图像的中值滤波
• 3.3.3 车牌区域的水平方向粗定位
• 3.3.4 车牌区域的细定位
• 第四章 车牌字符分割
• 4.1 常用字符分割算法比较分析
• 4.2 车牌二值化与去边框处理
• 4.2.1 二值化处理
• 4.2.2 去除边框
• 4.3 车牌字符的分割
• 4.4 归一化处理
• 第五章 基于小波神经网络的车牌字符识别
• 5.1 常用字符识别算法
• 5.2 小波变换理论基础
• 5.2.1 连续小波变换
• 5.2.2 离散小波变换
• 5.2.3 常用小波函数
• 5.3 神经网络理论基础
• 5.3.1 人工神经元及激活函数
• 5.3.2 常见神经网络模型及其性能比较
• 5.3.3 BP神经网络模型
• 5.4 小波神经网络理论基础
• 5.4.1 小波神经网络构成模式
• 5.4.2 小波神经网络的分类
• 5.5 基于小波神经网络的车牌字符识别模型的构造
• 5.5.1 字符的特征提取
• 5.5.2 小波函数的选择
• 5.5.3 隐层神经元节点数的确定
• 5.5.4 建立小波神经网络模型
• 5.6 实验仿真及结果分析
• 第六章 总结及展望
• 参考文献
• 致谢
• 攻读学位期间主要的研究成果