原文传递
基于改进极限学习机的车牌字符识别方法
| 论文题名： | 基于改进极限学习机的车牌字符识别方法 |
| 关键词： | 车牌识别;字符分割;图像处理;改进极限学习机 |
| 摘要： | 随着世界各国汽车数量的迅速增加,车牌识别技术已经成为智能交通系统中的核心技术。车牌识别技术在提高交通管理效率、节省人力成本等应用上发挥着至关重要的作用。现有的车牌识别技术在识别速度和准确率等方面存在一定的不足。本文对车牌定位、车牌分割等图像处理方法进行了探讨,在此基础上提出了基于改进极限学习机(ELM,Extreme Learning Machine)算法的车牌字符识别方法,实现了快速、准确识别车牌字符的目的。 在车牌定位方面,本文对基于车牌灰度变换特征的投影拟合定位方法进行了研究。此方法首先利用图像灰度特征及形态学处理将车牌图像二值化,然后基于投影拟合及区域分析提取候选车牌区域,最后结合先验知识去除非车牌区域,得到目标车牌区域。 在车牌分割方面,本文主要对垂直投影法进行了研究。首先在车牌准确定位的基础上,根据颜色跳变法去除二值化车牌图像的上下边框。然后对车牌图像进行垂直投影,并针对字符和投影特征提出了自适应的分割算法,最终能有效去除车牌的左右边框并实现单个字符图像的分割。 在车牌字符识别的方法上,本文对极限学习机算法的特点进行深入的研究,并将其参数的产生过程进行优化,提出了改进的极限学习机算法,结合该算法进行字符识别。根据车牌字符特征,本文研究了两种字符特征提取方法,并针对每个字符的排列顺序,设计了汉字、字母、字母混合数字三个基于改进ELM的字符分类器,根据车牌字符的排列特征对相应的字符进行有效识别。其中在字母数字混合分类器中,本文还设计了拒识功能,将易混淆字符挑选出来进行人工识别,可提高车牌识别效率,进一步减少误识率。通过与BP神经网络车牌识别方法的对比实验结果表明,本文提出的方法可在保证高识别率的情况下,更加快速地将字符识别出来。 最后,本文在MATLAB环境下对车牌识别系统进行模块化设计,并开发了GUI图形可视化界面,实现一个具有完整识别功能的系统。改进ELM车牌识别系统的GUI界面可直观、流畅地显示车牌图像处理过程及最终字符识别效果。 |
| 作者： | 黄晓兰 |
| 专业： | 检测技术与自动化装置 |
| 导师： | 柯海森 |
| 授予学位： | 硕士 |
| 授予学位单位： | 中国计量学院 |
| 学位年度： | 2014 |
| 正文语种： | 中文 |
检索历史
应用推荐
