原文传递
基于神经网络的车牌识别技术研究
| 论文题名： | 基于神经网络的车牌识别技术研究 |
| 关键词： | 车牌识别;车牌定位;字符分割;神经网络;智能交通 |
| 摘要： | 车牌识别是智能交通系统（ITS）的重要组成部分。一个典型的车辆牌照自动识别（LPR）系统包括图像采集、车牌定位、图像预处理、字符分割、字符识别等工作模块。本文通过对车牌定位、图像预处理、字符分割、字符识别四个关键环节进行分析研究，对其中的部分环节进行了改进。 在车牌定位部分，本文使用基于颜色特征和小波变换的定位方法。首先将彩色图像从RGB空间变换到HSV空间，利用蓝色在HSV空间中的特点，对车牌区域进行粗定位，得到候选区域。然后通过小波变换对候选区域进行处理，利用车牌区域边缘的跳变规律，实现对于车牌区域的精确定位。实验证明该方法在定位的准确率和效率方面是存在优势的。 在图像的预处理部分，本文使用Otsu法将图像二值化，利用中值滤波的方式去除噪声，并根据车牌铆钉的特点对车牌中的铆钉图像进行消除。 在字符分割部分，先对倾斜的车牌图像进行矫正。本文提出使用Hough变换确定车牌的水平中位线和竖直中位线相对于水平方向和竖直方向的偏转角度，进而对倾斜的车牌进行调整。对调整后的车牌图像通过附加约束条件的水平投影法对其中的每一幅字符图像进行分割。 在字符识别部分，本文提出了灰度特征和四角特征相结合作为字符特征，输入改进后的BP神经网络。最终得到识别结果。实验表明，本文提出的特征提取方法能够缩短训练网络所需要的时间，并且对相似字符的识别有良好的效果。 |
| 作者： | 鹿琛 |
| 专业： | 软件工程 |
| 导师： | 崔军 |
| 授予学位： | 硕士 |
| 授予学位单位： | 山西大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
