基于车牌识别技术的车辆管理系统的研发

论文摘要

本文以计算机视觉技术为重要手段,综合运用数字图像处理、人工神经网络等方法,研究了车牌自动识别技术,并介绍了以此技术为基础的校园车辆管理系统的特点,并针对特定的环境开发了车辆管理系统。论文主要内容包括,首先采集车牌图像信息,并通过图象灰度化和中指滤波等对原始图像进行预处理。对用OSTU法处理后的二值图像,应用基于车牌文理特性的方法进行车牌定位,然后针对归一化后的车牌图像,利用大间隔并结合垂直投影法分割车牌字符。采用逐像素特征提取法对车牌字符特征进行提取。并通过BP人工神经网络进行分类器的设计,识别车牌字符。最后以具体环境为例开发了基于车牌识别技术的校园车辆管理系统,以及数据库,并采用ADO技术进行连接,从而实现管理车辆的功能。本文在理论的基础上,采用MATLAB和VB编程对相应的算法进行实现,构成识别与管理系统的软件平台。从试验结果来看本系统可以对车牌较准确的进行定位,分割及识别,系统性能良好,本研究为车牌自动分析识别系统提供了一个新的应用领域,并对促进计算机视觉技术,人工神经网络和模式识别等技术在实际中的应用具有重要意义。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题的背景和意义
• 1.2 国内外研究现状
• 1.2.1 机器视觉
• 1.2.2 国内现状
• 1.2.3 国外现状
• 1.3 本课题研究内容
• 1.4 本课题技术路线
• 1.5 本章小结
• 第二章 图像预处理
• 2.1 图像采集
• 2.2 图像格式统一
• 2.2.1 图像的类型
• 2.2.2 位图
• 2.3 图像灰度化
• 2.3.1 灰度图像:
• 2.3.2 灰度级
• 2.3.3 灰度化
• 2.4 图像增强
• 2.4.1 频域变换
• 2.4.2 空域变换
• 2.5 本章小结
• 第三章 车牌定位
• 3.1 车牌定位的技术介绍:
• 3.2 图像二值化
• 3.2.1 局部阈值法
• 3.2.2 动态阈值法
• 3.2.3 全局阈值化
• 3.3 车牌定位
• 3.4 本章小结
• 第四章 车牌字符分割
• 4.1 图像分割定义
• 4.1.2 各种图像分割方法
• 4.2 分割前的处理
• 4.2.1 图像的标准化
• 4.2.2 车牌图像归一化
• 4.2.3 牌照图像几何校正
• 4.3 牌照字符分割
• 4.4 本章小结
• 第五章 字符识别
• 5.1 特征提取
• 5.1.1 统计方法和结构方法的分析
• 5.1.2 特征选择的判据
• 5.2 分类器的选取
• 5.2.1 基于距离的分类器
• 5.2.2 神经网络分类器
• 5.2.3 分类器的集成
• 5.3 BP神经网络结构
• 5.3.1 神经网络理论概述
• 5.3.2 人工神经元模型
• 5.3.3 神经网络的学习
• 5.3.4 误差反向传播学习算法-BP算法
• 5.3.5 BP神经网络构造和训练
• 5.4 实验结果与分析
• 5.5 本章小结
• 第六章 数据库及管理系统的建立
• 6.1 数据库的选择
• 6.1.1 常用数据库的比较
• 6.1.2 本课题数据库设计
• 6.2 数据库与管理系统的连接
• 6.3 车辆管理系统的设计
• 6.3.1 系统的特点
• 6.3.2 子系统功能
• 6.4 本章小结
• 第七章 结论与展望
• 7.1 结论与讨论
• 7.2 不足与展望
• 参考文献
• 致谢
• 在学期间发表的学士论文与研究成果