基于图像处理的印刷体数字识别技术研究 ——车牌号码识别

论文摘要

近二十年内,随着计算机视觉技术的飞速发展,字符识别这一智能化技术已经被应用到越来越多的领域。例如车牌号识别、账单识别录入、门牌号识别、书刊扫描识别等。在面对大批量数据需要识别输入时,人工方式就显得效率低下,而且出错率较高。虽然目前市面上已经出现了许多字符识别系统,但很多都只能针对情况较为单一或者图像信息较为简单规范的字符进行识别。但实际情况往往是较为复杂的，不同大小的字符,存在噪声背景的字符,有倾斜角度的字符往往会影响识别效率和识别精确率。本论文针对这一情况研究设计出了一个确实可行的,能够解决部分复杂情况下的车牌号码的识别系统。该系统通过反复的实验比较,对比了神经网络算法及模板匹配算法,在兼顾识别效率和精确率情况下选取了较为实用的模板匹配算法,并在程序里逐一实现。该系统主要包括了：图像预处理、车牌定位、字符识别这三大部分内容。在特征提取阶段通过对比几种算法,本论文采用了效率较高且识别率较高的逐像素扫描特征提取方法,这使得之后的BP网络训练能够快速的收敛。但对于实时程度要求较高,精确度要求较高以及复杂环境下的网络训练；显得效率较低。因此在碰到车牌号码识别等一系实际问题时,采用模板匹配会取得更好的识别效果。通过实验证明本论文设计的系统对于车牌号码的识别,无论是在汉字、字母及数字上正确率达到了90%以上,识别速度在2秒左右,：并对复杂环境有着较高的适应能办,具有一定的实用意义。

论文目录

• 摘要
• Abstract
• 目录
• 第一章 绪言
• 1.1 研究背景及意义
• 1.2 字符识别技术的发展简介
• 1.3 字符识别技术中的难点
• 1.4 字符识别采取的技术路线
• 1.5 论文研究的实验环境介绍
• 1.6 本章小结
• 第二章 BP神经网络的结构和学习规则
• 2.1 图像的特征提取
• 2.1.1 Hilditch骨架特征提取法
• 2.1.2 13点特征提取法
• 2.1.3 水平垂直方向特征提取法
• 2.1.4 本论文采用的逐像素特征提取法
• 2.2 神经网络在数字识别中的应用
• 2.3 BP神经网络的构成与工作原理
• 2.3.1 人工神经网络
• 2.3.2 BP网络算法
• 2.4 本章小结
• 第三章 模板匹配的字符识别研究
• 3.1 模板匹配识别的研究意义
• 3.2 本论文提出的压缩模板匹配算法
• 3.2.1 分类处理图像样本集
• 3.2.2 压缩模板生成算法
• 3.2.3 压缩模板集的构造与扩展
• 3.2.4 三种常用的模板匹配算法
• 3.2.5 基于压缩模板集的模板匹配
• 3.3 本章小结
• 第四章 复杂情况下车牌号码识别技术
• 4.1 车牌的定位
• 4.1.1 几种常见的车牌定位方法
• 4.1.2 视觉空间和颜色空间的转换
• 4.1.3 基于HIS颜色模型的车牌定位方法
• 4.2 车牌倾斜矫正
• 4.3 车牌边框去除
• 4.4 车牌号码的分割
• 4.4.1 字符分割的一些算法
• 4.4.2 本文采用的字符分割算法
• 4.5 本章小结
• 第五章 实验结果分析及算法改进
• 5.1 BP网络字符识别的设计实现
• 5.2 压缩模板匹配算法的设计实现
• 5.3 实验数据对比
• 5.4 本章小结
• 第六章 总结与展望
• 6.1 全文总结
• 6.2 展望
• 致谢
• 参考文献
• 附录A 攻读硕士学位期间发表论文