车牌识别系统中车牌定位与识别算法的研究

论文摘要

随着我国经济的飞速发展,汽车的数量不断攀升。交通问题日益突出,这使得智能交通系统成为一个研究的热门领域,受到日益广泛的关注。车牌识别是智能交通系统中极其重要的一个环节。它能有效的帮助人们从繁重复杂的劳动中解脱出来,并且节省了开支。车牌识别的任务是处理和分析摄取的汽车图像,自动识别汽车号牌。随着传感器、通讯与网络技术、图像处理和计算机视觉等高新技术的发展,车牌识别和智能交通技术得到了长足的进步,其应用逐渐深入到我们生活的方方面面。本文对当前国内外的先进车牌识别技术进行深刻分析,并且结合中国车牌的特征,设计出一套车牌识别系统。在该系统中,车牌定位和字符识别是核心部分。本文针对不同背景和光照条件下的车辆图像,提出一种基于直方图分割法的车牌定位方法。该方法首先对车牌图像进行预处理,预处理主要包括图像灰度化,采用Prewitt算子对图像进行边缘检测,使用中值滤波算法将一些影响定位的点过滤,最后对图像进行二值化处理。根据车牌区域纹理丰富的特点,对预处理后的图像采用直方图分割法处理,最终定位出车牌位置。经过大量试验证明,该算法准确率高、定位速度快,具有较好的实用价值。在识别模块中,本文提出对定位的牌照区域重新导入原始牌照区域的新方法,运用该方法就可以去除前期定位模块中引入的噪声点,还可以弥补定位阶段丢失的重要信息。在字符特征提取上本文提出了基于弹性网格的字符特征提取方法,然后运用模版匹配法来进行字符识别,运用该方法不仅大大减少了计算量,而且提高了实时性。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 车牌识别系统的研究背景及意义
• 1.2 车牌识别技术的发展状况
• 1.2.1 车牌定位的研究现状
• 1.2.2 字符识别的研究现状
• 1.3 需要深入研究的问题
• 1.3.1 识别的稳定性
• 1.3.2 识别率
• 1.3.3 识别速度
• 1.4 系统整体结构
• 1.4.1 车牌识别系统的硬件组成
• 1.4.2 车牌识别系统的软件结构
• 1.5 本文的主要工作及内容安排
• 1.5.1 主要研究内容
• 1.5.2 本文的组织结构
• 第2章 车辆图像预处理
• 2.1 车辆图像的灰度化
• 2.2 车辆图像的对比度增强
• 2.2.1 灰度直方图
• 2.2.2 判别方法
• 2.2.3 对比度增强
• 2.3 车辆图像的边缘检测
• 2.3.1 Prewitt 算子
• 2.3.2 Sobel 算子
• 2.3.3 Roberts 算子
• 2.3.4 LOG 算子
• 2.3.5 Canny 算子
• 2.4 车辆图像的中值滤波
• 2.5 车辆图像的二值化
• 2.5.1 最大类间方差法
• 2.5.2 最小误差法
• 2.5.3 最大熵法
• 2.5.4 最小偏态法
• 2.5.5 矩量保持法
• 2.6 本章小结
• 第3章 车牌定位
• 3.1 车牌规范
• 3.2 车牌初定位
• 3.2.1 图像投影
• 3.2.2 车牌上下边界定位
• 3.2.3 车牌左右边界定位
• 3.3 本章小结
• 第4章 汽车牌照图像预处理
• 4.1 增大车牌区域
• 4.2 汽车牌照灰度化
• 4.3 汽车牌照二值化
• 4.3.1 阈值插值法确定阀值
• 4.3.2 Bernsen 算法
• 4.3.3 改进的Bernsen 算法
• 4.4 车牌图像的数学形态学去噪
• 4.4.1 数学形态学的基本概念
• 4.4.2 二值形态学的基本运算
• 4.4.3 数学形态学在图像去噪上的应用
• 4.5 车牌图像的倾斜校正
• 4.5.1 图像旋转
• 4.5.2 旋转角度
• 4.6 本章小结
• 第5章 车牌字符分割
• 5.1 车牌字符分割概述
• 5.2 字符分割方法比较
• 5.3 字符粗分割方法
• 5.4 字符精确分割处理
• 5.5 字符归一化
• 5.5.1 双线性内插值原理
• 5.5.2 双线型内插值算法
• 5.5.3 归一化
• 5.6 本章小结
• 第6章 字符识别
• 6.1 模式识别概述
• 6.1.1 模式识别原理
• 6.1.2 模式识别系统
• 6.2 字符特征提取
• 6.2.1 车牌字符特征提取的准则
• 6.2.2 车牌字符特征选择与优化
• 6.2.3 字符网格特征
• 6.3 分类判别
• 6.3.1 分类器设计准则
• 6.3.2 分类器设计方法
• 6.4 改进的模板匹配法
• 6.4.1 模板的建立
• 6.4.2 特征提取
• 6.4.3 模板匹配的实现原理
• 6.4.4 模板匹配的实现步骤
• 6.4.5 模板匹配的改进方法
• 6.5 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间所发表的论文
• 致谢