原文传递
复杂背景下的车牌图像增强与字符识别研究
| 论文题名： | 复杂背景下的车牌图像增强与字符识别研究 |
| 关键词： | 图像增强;垂直投影;模板匹配;神经网络;车牌识别 |
| 摘要： | 随着交通智能化进程的推广，车牌识别系统在整个体系中有着越来越重要的地位。目前该技术有一定的成熟度，但是由于天气、光照、速度等不可控制因素，复杂背景车牌图像的识别依然有提升的空间。本文以前人研究成果为基础，对图像增强以及字符识别进行深入研究，提高车牌识别率。 针对夜晚或雾天拍照的车辆图像，直接对其进行二值化，轮廓检测等操作，效果不佳。对此，本文提出一种基于小波分解和分数阶微分相结合的图像增强方法，分解图像层的高低频成分，结合分数阶微分掩膜算子，重构图像。该方法增强高频边缘轮廓特征，保留图像平滑区的低频特征，抑制较大噪声，改善复杂背景下的车辆图像质量。 鉴于车牌定位的常用方法，采用基于边缘检测与形态学相结合的车牌定位方法，进行车牌定位。经过灰度化、图像增强、二值化等处理，结合形态学和边缘检测技术，确定车牌区域，并截取出车牌图像，进行车牌粗定位。 采用基于Radon变换的倾斜校正方法，计算车牌倾斜角度，对车牌进行旋转，从而达到校正效果。利用水平和垂直投影，对图像的边框和铆钉进行去除，从而得到车牌的精定位图像。利用垂直投影和字符的几何特征，通过编程得到分割字符的坐标位置，准确的对车牌字符进行分割。 对已分割的字符进行归一化和平滑化处理，采用模板匹配法和改进的BP神经网络算法实现字符识别，分析两种方法优缺点。BP网络设计对不同的字符进行分类，即汉字、字母及字母数字混合的三种分类器，完成对字符识别的过程。在MATLAB上对各个阶段的功能进行仿真，实验结果显示良好。 |
| 作者： | 余维 |
| 专业： | 控制科学与工程 |
| 导师： | 苏义鑫 |
| 授予学位： | 硕士 |
| 授予学位单位： | 武汉理工大学 |
| 学位年度： | 2013 |
| 正文语种： | 中文 |
检索历史
应用推荐
