车牌自动识别算法的研究与实现

论文摘要

本文的主要工作是对车牌自动识别算法进行了深入地研究,重点研究了车牌定位、倾斜校正和字符分割算法。在牌照定位之前,本文采用多种方法对汽车图像进行预处理,得到了比较突出的牌照信息。定位车牌时,本文根据牌照自身的纹理特征进行粗定位,定位出几个候选区域,然后用数学形态学的方法以及车牌的宽高比进行细定位,从而较好地实现了车牌定位。对于倾斜的车牌,本文提出了一种改进的Hough变换算法,就是分级Hough变换,该算法能有效提高Hough变换的速度。为了准确分割出车牌字符,本文采用一种基于数学形态学和垂直投影相结合的字符分割算法,该算法能有效克服字符粘连等情况。最后本文简要介绍了基于BP人工神经网络的字符识别算法,并用VC++6.0编程实现。

论文目录

• 中文摘要
• 英文摘要
• 第一章 引言
• 1.1 车牌识别算法的研究背景和意义
• 1.2 国内外的研究现状
• 1.3 本文的研究工作
• 1.4 本文要解决的难点和问题
• 1.5 本文的组织结构
• 第二章 常用的图像处理技术
• 2.1 引言
• 2.2 图像的灰度化与二值化
• 2.2.1 灰度化
• 2.2.2 二值化
• 2.3 图像增强
• 2.3.1 灰度拉伸
• 2.3.2 直方图均衡化
• 2.4 图像平滑
• 2.5 边缘检测
• 2.6 小结
• 第三章 车牌定位
• 3.1 车牌的介绍
• 3.1.1 车牌特征
• 3.1.2 我国车牌的特殊性
• 3.2 常用车牌定位方法介绍
• 3.3 基于纹理特征和数学形态学的车牌定位
• 3.3.1 形态学基本理论及运算
• 3.3.2 牌照区域粗定位
• 3.3.3 数学形态学精确定位
• 3.3.4 区域标记、合并与筛选
• 3.4 结论
• 第四章 字符分割
• 4.1 直线检测
• 4.1.1 图像旋转
• 4.1.2 经典 Hough 变换
• 4.1.3 改进的 Hough 变换
• 4.2 车牌字符分割
• 4.2.1 行切分技术
• 4.2.2 字切分技术
• 4.2.3 常用的字符分割算法
• 4.2.4 基于数学形态学和垂直投影的字符分割算法
• 4.3 字符归一化
• 4.4 结论
• 第五章 字符识别
• 5.1 引言
• 5.2 字符识别常用的方法
• 5.3 基于 BP 神经网络的字符识别方法
• 5.3.1 字符特征的提取
• 5.3.2 BP 算法的介绍
• 5.3.3 BP 神经网络的设计问题
• 5.3.4 BP 神经网络的局限性
• 5.3.5 BP 神经网络算法的改进
• 5.4 小结
• 第六章 结论
• 参考文献
• 致谢
• 在学期间发表的学术论文和参加科研情况