车牌定位识别系统设计与实现

论文摘要

随着车辆数量日益攀升，交通管理压力日趋增大。为了缓解车辆、行人、管理人三者之间的矛盾，交通管理信息化、智能化成为必然的发展趋势。车辆是构成交通系统中基本元素，车牌号码是车辆身份的唯一ID，因此车牌定位识别技术是智能交通领域的重要课题之一。本论文介绍一个车牌定位识别系统的开发，主要介绍其中的图像预处理、车牌定位、字符分割和字符识别部分的算法设计，以及最后原型系统的实现。图像预处理通过加权平均值灰度化法把彩色图像转换为灰度图像，再用分段性灰度变换方法进行图像增强，车牌定位在通过改进的Bernsen局部阈值算法与模糊增强算法增强所得到的二值化图像上进行。先利用边缘特征和投影方法进行车牌的粗定位，确定大致的车牌区域；然后通过倾斜校正、去除车牌边框来精确定位车牌区域，在得到车牌的精确区域后，采用垂直投影法实现字符分割，最后以车牌字符区域的像素构造特征表达，送入字符识别算法识别。我们的字符识别算法采用BP神经网络在收集的样本上训练得到，该算法具有很强的自适应性和鲁棒性。在车牌识别算法设计的基础上，我们采用VS2005环境以及Opencv源码库开发了汽车牌照定位与识别的原型系统。实验表明该系统操作简单、高效，能够较好的完成车牌定位、识别等主要功能。

论文目录

• 摘要
• 英文摘要
• 第一章 绪论
• 1.1 课题研究背景
• 1.2 车牌识别技术研究现状
• 1.2.1 国内外车牌识别研究现状
• 1.2.2 车牌识别技术难点
• 1.3 课题研究的目的和意义
• 1.4 本文的研究内容
• 1.5 本章小结
• 第二章 车牌识别中图像处理与模式识别技术
• 2.1 数字图像处理技术
• 2.1.1 数字图像处理基本过程
• 2.1.2 数字图像的基本类型
• 2.1.3 数字图像处理的基本运算
• 2.1.4 数字图像处理研究主要内容
• 2.1.5 数字图像处理技术在车牌识别中的应用
• 2.2 模式识别
• 2.2.1 模式识别概念
• 2.2.2 模式识别在车牌识别中的应用
• 2.3 本章总结
• 第三章 车牌定位识别系统总体设计
• 3.1 系统的总体结构
• 3.2 车牌定位识别系统功能模块设计
• 3.3 定位与识别模块的流程设计
• 3.4 系统开发平台
• 3.4.1 VS2005 概述
• 3.4.2 Opencv 概述
• 3.5 本章小结
• 第四章 车牌图像预处理
• 4.1 彩色图像灰度化
• 4.2 车牌图像灰度变换增强
• 4.2.1 线性灰度增强
• 4.2.2 分段线性灰度增强
• 4.2.3 非线性灰度增强
• 4.2.4 图像灰度变换增强实验比较结果
• 4.3 本章总结
• 第五章 车牌定位
• 5.1 车牌特征与分析
• 5.1.1 车牌图像结构特征
• 5.1.2 车牌区域特征分析
• 5.2 车牌定位算法概述
• 5.2.1 直接定位法
• 5.2.2 间接定位法
• 5.3 车牌粗定位
• 5.3.1 车牌的先验知识
• 5.3.2 基于模糊增强的车牌图像二值化
• 5.3.3 车牌图像边缘检测
• 5.3.4 边缘检测和投影法相结合定位法
• 5.4 车牌精定位
• 5.4.1 倾斜校正
• 5.4.2 去除车牌边框
• 5.5 本章小结
• 第六章 车牌字符分割与识别
• 6.1 字符分割
• 6.1.1 车牌区域二值化
• 6.1.2 常用的字符分割算法
• 6.1.3 垂直投影字符分割法及实验结果
• 6.2 车牌字符图像尺寸大小归一化
• 6.3 车牌字符特征提取
• 6.3.1 13 点特征提取法
• 6.3.2 逐像素特征提取法
• 6.4 BP 神经网络在字符识别中的应用
• 6.4.1 BP 神经网络算法
• 6.4.2 BP 神经网络实验结论
• 6.5 本章总结
• 第七章 系统实现
• 7.1 图像的采集
• 7.2 车牌图像处理
• 7.3 车牌定位
• 7.4 字符分割
• 7.5 字符识别
• 7.6 本章小结
• 第八章 结论与展望
• 8.1 主要创新点及研究成果
• 8.2 本论文存在不足与展望
• 致谢
• 参考文献
• 攻读硕士期间发表的论文