论文摘要
车牌自动识别技术在智能交通系统中处于核心地位,是智能交通系统自动运行的决定因素之一。在车牌自动识别技术中,基于图像的识别技术是一种比较先进的技术,也是目前车牌自动识别技术研究的主要方向。然而,由于基于图像的识别技术涉及众多学科,缺乏统一理论的指导,图像的干扰因素太多,算法的实时性与准确性之间矛盾难以克服,所以,基于图像的识别技术也是最难的一种车牌识别技术。本文对基于图像的车牌识别技术的研究现状及研究成果进行了深入、全面、系统的分析研究。在此基础上,通过实验得出了对车辆图像进行对比度增强的前提条件,从众多二值化算法中找出了一种既有较好二值化效果,又能消除一定背景干扰的算法（Otsu算法）;针对后续的车牌定位,灵活地应用了Sobel算法;对边缘点密度法、基于跳变点的车牌定位算法进行了改进;指出了Hough变换用于车牌倾斜校正的局限性,并提出了一种简单实用的校正方法;提出了一种基于第3字符位置的字符分割算法;采用13特征作为字母数字的分类特征,并将13特征扩充为22特征作为汉字的分类特征;对目前具有代表性的各种神经网络做了全面的对比分析,然后确定用BP网络进行字符识别,并设计了两个BP网络分别对汉字、字母和数字进行识别;对用于BP神经网络训练的一种算法（即确定扰动算法）进行了深入的研究,指出了它的不足,最后,采用带动量项的变步长BP算法进行神经网络的训练,并根据网络误差动态取舍动量项。另外,本文还对识别过程中的其它一些处理环节进行了细微的改进。在进行理论研究的同时,本文对整个识别过程中的所有必须环节在MSVisual Studio IDE中用C++语言进行了实现,编写主体及测试代码共计12621行,实验得出了各环节的技术指标数据。实验结果表明,改进后的算法具有较满意的效果;提出的倾斜校正方法具有一定的抗干扰能力,对有无边框的车牌都能进行校正;提出的字符分割算法在一定程度上能够满足要求;设计的BP网络结构合理,开销少,训练算法有效,能够满足车牌字符识别的要求。目前虽然已经有很多实用的商业化车牌识别系统投入运行,但大多针对简单场景,对现场环境条件有很多的要求。本文的许多算法具有一定的实用价值,进行适当的修改即可用于实际的车牌识别系统。
论文目录
摘要Abstract第1章 绪论1.1 论文研究的背景和意义1.2 国内外研究现状1.3 车牌识别系统的主要技术指标1.3.1 正确识别率1.3.2 识别速度1.3.3 拒识率1.3.4 误识率1.3.5 可信度1.4 车牌识别技术的难点1.5 中国车牌的构成及特点1.6 本文的主要研究工作1.7 本论文的组织结构第2章 车辆图像预处理2.1 图像灰度化2.2 图像增强2.2.1 对比度增强2.2.1.1 直接灰度映射2.2.1.2 直方图变换2.2.2 图像消噪2.2.2.1 空域滤波2.2.2.2 频域滤波2.2.2.3 基于小波变换的图像消噪2.2.3 图像边缘检测2.3 图像二值化2.3.1 全局阈值法2.3.2 局部阈值法2.3.3 动态阈值法2.4 降低背景干扰2.5 本章小结第3章 车牌定位3.1 车牌定位的难点3.2 现有定位方法的分析研究3.3 基于跳变点及车牌几何特征的定位算法3.4 本章小结第4章 车牌图像预处理4.1 车牌图像二值化4.1.1 Bernsen算法4.1.2 Niblack算法4.1.3 CASDA算法4.2 统一车牌图像背景色4.3 二值车车牌图像消澡4.4 车牌图像的倾斜校正4.4.1 倾斜角检测4.4.2 倾斜校正4.5 车牌边框和铆钉的去除4.5.1 车牌上下边框的去除4.5.2 车牌左右边框及铆钉的去除4.6 本章小结第5章 车牌字符分割及规范化5.1 字符分割5.1.1 现有的主要车牌字符分割方法5.1.2 基于第3字符的几何分割法5.2 字符平滑5.3 车牌字符归一化5.4 本章小结第6章 车牌字符识别6.1 字符识别简介6.2 车牌字符识别的特殊性6.3 主要车牌字符识别方法的对比分析6.3.1 模板匹配法6.3.2 特征分析匹配法6.3.2.1 最小距离法6.3.2.2 基于小波变换的方法6.3.2.3 基于分形维数的方法6.3.3 神经网络法6.4 基于BP神经网络的车牌字符识别6.4.1 字符分类特征的提取6.4.2 神经网络设计6.4.3 神经网络训练6.5 本章小结结论与展望致谢参考文献攻读硕士学位期间发表的论文及参加的科研项目
相关论文文献
标签：算法论文; 车牌定位论文; 车牌倾斜校正论文; 字符分割论文; 确定扰动算法论文;
