原文传递
复杂环境下车牌识别系统中关键技术的研究与实现
| 论文题名： | 复杂环境下车牌识别系统中关键技术的研究与实现 |
| 关键词： | 车牌识别系统;图像预处理;有色点对搜索;支持向量机;字符识别 |
| 摘要： | 21世纪是公路交通智能化的世纪，智能交通系统作为一种实时高效的综合运输和管理系统，在城市交通智能调度系统、高速公路智能调度系统、机动车自动控制系统中得到广泛应用。车牌识别系统作为智能交通系统中的重要组成部分，在现代交通的治理和控制中起着举足轻重的作用，这使得对车牌识别技术的研究成为当下的热点问题。车牌识别的过程主要分为图像的预处理、车牌定位、字符分割和字符识别几个阶段，本文对图像的预处理、车牌定位以及字符识别的关键技术进行了深入细致的研究,主要的研究工作如下： （1）在车牌图像预处理阶段，研究了图像的灰度化、图像增强、图像滤波、图像的边缘检测和二值化的技术，通过这一系列的技术处理来改善图像质量，去除图像中的干扰因素，突出有用的车牌信息，从而便于后续的识别操作。 （2）在车牌定位阶段，通过改进有色点对搜索中蓝白颜色点的定义，利用HSV和RGB双重颜色模型对蓝白像素点建立定性描述模型，基于该模型提出一种结合有色点对搜索和区域统计特征的车牌定位算法。该算法首先通过改进的有色点对搜索和形态学处理得到候选连通区域；然后利用角点和车牌纹理特征对候选连通域进行迭代搜索匹配，裁剪出车牌的粗略区域；最后利用垂直/水平投影、霍夫直线检测以及颜色提取方法实现车牌精确定位。实验结果表明，该方法对不同光照、背景、颜色鲜艳程度下的车牌图像具有很高的识别率，表现出较强的鲁棒性。 （3）在字符识别阶段，采用粗网格化的统计和结构特征相结合的方法对归一化后的字符进行特征提取，利用基于径向基核函数的SVM对字符进行识别，并构造出汉字、字母和数字字母识别模型。为了提高SVM识别字符的效率，采用改进的遗传算法对SVM参数进行优化。首先将混沌运动融合到选择操作中，然后引入自适应交叉概率并提出基于个体相似性的异物种交叉策略，最后以自适应变异概率代替固定变异概率，从而增强遗传算法的搜索效率，避免算法陷入早熟。实验结果表明，与网格法、传统的遗传算法的参数优化方法相比，基于改进遗传算法的SVM模型对字符的识别率更高，相对基于网格法的SVM模型训练速度更快。同时，与基于BP神经网络的字符识别方法相比，本文提出的方法在模型训练时间和识别性能上都得到了改善，并且为了验证本文提出方法的有效性和可靠性，设计并实现了车牌识别系统。 |
| 作者： | 周彬彬 |
| 专业： | 电子与通信工程 |
| 导师： | 周之平 |
| 授予学位： | 硕士 |
| 授予学位单位： | 南昌航空大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
