原文传递
基于数学形态学与神经网络的车牌定位与识别方法研究
| 论文题名： | 基于数学形态学与神经网络的车牌定位与识别方法研究 |
| 关键词： | 智能交通;车牌定位;字符识别;数学形态学;神经网络 |
| 摘要： | 车牌识别系统(License Plate Recognition，简称LPR)是智能交通系统(IntelligenceTraffic System，简称ITS)的核心部分，被广泛应用于公路自动收费管理系统、电子警察和停车场治安监管等方面。它主要包括车牌定位、倾斜校正、字符分割与字符识别四部分。本课题主要内容包括车牌定位、倾斜校正与二值化、字符分割以及字符识别。 在车牌定位方法上，本文采用基于纹理与形状两种特征的车牌定位方法。首先利用车牌区域边缘比较丰富的特点，采用垂直边缘检测图像垂直边缘信息，并利用基于均值数据的逐点二值化方法对边缘区域进行合并，最后利用连通域检测与车牌的形状特征方进行车牌区域的最终确定，其定位率可以达到90.6％。 牌照图像在定位之后往往有一定角度的倾斜，这将会严重影响字符的分割精度。对于倾斜校正，本文提出了基于Radon变换的倾斜校正方法，对车牌的水平倾斜与垂直错切倾斜均具有良好的校正效果。最后，针对牌照图像采用基于局部阈值与全局阈值相结合的二值化方法。实验验证该方法不但可以有效地避免了字符的笔画断裂，而且能够充分体现字符的笔画结构信息。 在倾斜校正的基础上，针对字符分割本文提出基于垂直投影与连通体修正的方法。首先，在牌照图像垂直投影的基础上检测字符边界与连通体位置，然后结合字符先验知识进行连通体位置修正与区域扩展，最终实现车牌字符的分割。实验证明该算法对字符粘连等严重退化的牌照图像均有良好的分割效果。 字符识别是车牌识别系统最重要的组成部分。本文采用基于小波变换系数聚类的字母数字特征提取与基于小波包分解系数聚类与分块投影的汉字字符特征提取算法。除此之外，针对车牌字符的分布特点，设计了基于广义回归神经网络(Generalized RegressionNeural Network，简称GRNN)的多网络字符识别系统，该系统对汉字网络、字母网络以及字母数字混合网络的识别率分别达到了100％、93.4％和91.9％。 通过对实际环境中获取的车牌图片进行测试，结果显示，本文所采用的方法能够适应复杂背景下的车牌定位、倾斜校正、字符分割与字符识别。不但可以准确的定位车牌区域，同时还可以剔除车牌区域干扰因素;倾斜校正环节为字符分割奠定了基础;字符分割算法对严重退化的牌照图像均有良好的分割效果;识别方法不但适用于字母与数字，对于国内车牌特有的汉字字符也有较高的识别率，并且识别时间快，具有较好的鲁棒性与实时性。 |
| 作者： | 田瑞霞 |
| 专业： | 检测技术与自动化装置 |
| 导师： | 王玉涛 |
| 授予学位： | 硕士 |
| 授予学位单位： | 东北大学 |
| 学位年度： | 2011 |
| 正文语种： | 中文 |
检索历史
应用推荐
