一种新型实用的车牌定位识别系统

论文摘要

车牌自动识别技术是自动控制领域和交通工程领域重要研究课题之一,具有极高的理论研究和实际应用价值。随着自动控制技术、计算机技术和通讯技术的快速发展,新的研究方法和技术不断出现,并已在实际工程应用中显示出巨大的威力和发展潜力。完整的车牌自动识别系统按顺序由车辆图像获取、车牌定位、车牌字符分割和车牌字符识别四个部分组成,其中车牌定位、车牌字符识别技术是整个车牌自动识别系统的关键。论文从车牌定位技术、车牌字符分割技术和车牌字符识别技术三方面对车牌自动识别技术进行了全方位深入地研究。实验结果表明,论文的研究成果能有效识别车牌,且效果显著。论文的主要内容如下:1.介绍了车辆监测管理系统的组成、结构和工作机理。2.在分析车牌定位现有算法优缺点的基础上,提出了一种新型的综合利用车牌纹理特征、颜色特征和几何特征的快速定位算法。该算法利用数学形态学充分挖掘车牌纹理特征以及消除噪声干扰,把图像分割为若干子区域,利用纹理条件和颜色条件判断,对子区域进行独特的分类和聚类融合,最终由粗至细精确地定位出车牌位置,然后利用Hough变换矫正倾斜的车牌图像并去除边框和铆钉,为后续车牌字符的分割识别步骤打下良好基础。3.在车牌精确定位的基础上,根据车牌字符的排列规律和字符的几何特征,分析了车牌第二字符与第三字符间圆点对字符分割算法的不利影响。采用Ostu法对车牌区域二值化,使得字符与背景区分明显。字符分割算法结合了独特的两端扫描法与车牌字符先验知识设定的判断规则,可有效消除圆点对字符分割算法的不利影响。该算法首先对垂直投影直方图进行两端扫描,分别分割前两个字符与后五个字符,在此基础上,再进行字符区域分裂和合并。4.在车牌字符准确分割的基础上,对车牌字符识别技术进行研究。在车牌字符位置中心化和大小归一化后,采用简化的粗网格字符特征提取方法,并利用改进的BP神经网络识别字符。根据车牌字符排列特征,训练构造汉字、字母和字母数字混编等三个BP神经网络分类器,通过车牌字符的序号进行相应识别,再将识别结果组合得到车牌号码。5.根据提出的车牌定位识别算法,利用Delphi编制完成系统软件,并封装成动态链接库文件。介绍了软件的程序结构、函数功能、接口函数调用顺序以及使用说明,以方便应用程序正确调用。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 引言
• 1.2 车牌自动识别技术的研究现状
• 1.2.1 车辆图像获取
• 1.2.2 车牌自动定位技术
• 1.2.3 车牌字符分割技术
• 1.2.4 车牌字符识别技术
• 1.3 车牌识别技术的难点
• 1.4 本文主要工作
• 第2章 车辆监测管理系统
• 2.1 引言
• 2.2 系统结构
• 2.2.1 路口记录单元
• 2.2.2 数据收集服务器单元
• 2.2.3 计算机网络单元
• 2.3 系统主要功能
• 2.4 本章小结
• 第3章 基于数学形态学和颜色特征的车牌定位算法
• 3.1 引言
• 3.2 车牌的先验知识
• 3.3 图像预处理
• 3.4 车牌区域初步定位
• 3.4.1 车牌灰度纹理特征提取
• 3.4.2 车牌颜色特征提取
• 3.4.3 分割区域的融合及筛选
• 3.5 车牌区域精确定位
• 3.5.1 车牌倾斜原因及区域扩展
• 3.5.2 Hough变换
• 3.5.3 车牌倾斜检测算法及矫正
• 3.5.4 车牌图像去除边框和铆钉
• 3.6 实验结果及分析
• 3.7 本章小结
• 第4章 车牌字符分割算法
• 4.1 引言
• 4.2 车牌字符几何特征
• 4.3 车牌区域二值化
• 4.4 车牌字符分割
• 4.5 实验结果及分析
• 4.6 本章小结
• 第5章 车牌字符识别算法
• 5.1 引言
• 5.2 字符归一化
• 5.3 基于粗网格的字符特征提取
• 5.3.1 字符特征的分类
• 5.3.2 提取车牌字符特征
• 5.4 神经网络模型
• 5.4.1 人工神经网络简介
• 5.4.2 神经元模型
• 5.4.3 人工神经网络学习规则
• 5.4.4 BP神经网络学习算法
• 5.5 基于神经网络的车牌字符识别
• 5.5.1 神经网络与其它模式识别方法的比较
• 5.5.2 BP神经网络分类器的设计
• 5.5.3 BP神经网络的不足及改进
• 5.5.4 BP神经网络的训练
• 5.6 实验结果及分析
• 5.7 本章小结
• 第6章 系统软件介绍
• 6.1 引言
• 6.1.1 Delphi介绍
• 6.1.2 动态链接库
• 6.2 软件函数介绍
• 6.2.1 软件内部调用函数
• 6.2.2 软件外部接口函数
• 6.3 软件使用说明
• 6.4 本章小结
• 第7章 总结及展望
• 7.1 研究工作总结
• 7.2 研究工作展望
• 参考文献
• 致谢
• 作者在攻读硕士学位期间完成的论文
• 作者在攻读硕士学位期间参加的科研项目