基于BP神经网络的车辆车牌识别系统的研究与实现

论文摘要

随着计算机技术和数字图像处理技术的发展,车牌自动识别系统己成为智能交通系统的重要组成部分,它可用于电子收费、出入控制、车流监控等众多场合,显著的提高交通管理自动化的程度。车牌识别以及其相关技术的研究正逐渐受到人们的重视。车牌识别系统(License Plate Recognition LPR)的关键技术包括数字图像预处理技术、车牌定位技术和车牌字符模糊识别技术。本文应用计算机数字图像处理技术、车牌定位技术、车牌字符分割技术、神经网络识别等技术来解决车牌模糊识别问题。车牌定位和字符分割是汽车牌照识别系统中的关键技术,本文提出了一种基于垂直边缘检测算子和车牌几何特征相结合的车牌定位方法。根据汽车牌照区域的垂直边缘统计特性,从图像中确定可能存在的牌照候选区,再利用车牌几何形状上的特点对这些候选区进行筛选,精确定位车牌位置。利用Hough变换克服了复杂环境的干扰,对车牌进行倾斜校正,利用字符分割算法对车牌字符进行切割。本文对神经网络的构成以及相关的理论进行了讨论,着重分析了BP神经网络在字符识别中的应用方法,设计了BP神经网络分类器,提取车牌字符的特征输入到神经网络。本文对BP网络的输出进行了二进制编码,隐含层节点数的确定采用了初定隐藏节点数的经验公式,大大减少了迭代次数,降低了网络规模并提高了车牌识别的效率。研究表明,采用的边缘检测算法检测边缘速度快,车牌区域轮廓清晰,定位及字符分割算法能准确的进行定位车牌和字符分割,具有较好的鲁棒性,所采用的BP神经网络具有良好的性能,满足在复杂环境下实时识别车牌的要求,具有一定的理论和实际意义。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究动机
• 1.2 研究内容
• 1.3 论文组织
• 1.4 本章小结
• 第二章 图像处理与神经网络
• 2.1 图像处理
• 2.2 图像处理所涉及的领域
• 2.3 神经网络与模式识别
• 2.4 神经网络模式识别
• 2.5 车牌识别与神经网络
• 2.6 本章小结
• 第三章 车牌定位
• 3.1 车牌定位算法现状
• 3.2 基于边缘检测的车牌定位
• 3.3 图像预处理
• 3.3.1 像灰度化处理
• 3.3.2 图像增强
• 3.3.3 图像平滑
• 3.3.4 图像锐化
• 3.3.5 图像恢复
• 3.3.6 图像二值化
• 3.4 车牌图像的边缘检测
• 3.4.1 简单边缘算子
• 3.4.2 梯度算子
• 3.4.3 垂直检测和水平检测
• 3.5 车牌的定位
• 3.5.1 车牌的特征
• 3.5.2 车牌定位的常用方法
• 3.5.3 车牌定位算法
• 3.6 本章小结
• 第四章 车牌的倾斜校正和字符分割
• 4.1 车牌的倾斜校正
• 4.2 基于Hough变换的车牌倾斜校正
• 4.3 字符分割
• 4.4 字符归一化
• 4.5 本章小结
• 第五章 基于神经网络的车牌识别
• 5.1 多层前馈网络
• 5.2 误差反向传播算法
• 5.3 字符识别的BP网络结构的设计
• 5.3.1 输入层、输出层神经元个数
• 5.3.2 隐藏层层数的选择
• 5.3.3 隐藏层神经元数目的选择
• 5.3.4 激活函数的选择
• 5.3.5 BP网络的参数的设置
• 5.4 字符特征的提取
• 5.5 BP网络的训练
• 5.5.1 停止训练的时机
• 5.5.2 训练样本的选取
• 5.5.3 网络训练结果
• 5.6 车牌识别系统的总体实现
• 5.7 实验结果分析
• 5.8 本章小结
• 第六章 结论与展望
• 6.1 本论文研究总结
• 6.2 前景展望
• 致谢
• 参考文献
• 攻硕期间取得的研究成果