原文传递
基于小波分析的汽车牌照识别系统的研究与实现
| 论文题名： | 基于小波分析的汽车牌照识别系统的研究与实现 |
| 关键词： | 交通管理;小波分析;汽车牌照识别;车牌定位;字符分割;字符识别 |
| 摘要： | 车牌识别(License Plate Recognition，LPR)技术作为交通管理自动化的重要手段和车辆检测系统的一个重要环节，在交通监视和控制中占有很重要的地位。小波分析是一个时间和频率的局域变换，因而能有效地从信号中提取信息，通过伸缩和平移等运算功能对函数或信号进行多尺度细化分析。小波分析由于具有良好的时频分析特性，己经成为信号处理和图像分析系统中的有效工具。本文讨论了小波分析在车牌识别系统中的应用以及车牌识别系统其他相关关键技术。车牌识别系统主要分三步进行：车牌定位、字符分割和字符识别。 车牌定位技术是车牌识别系统的关键技术之一本文在haar小波变换的基础上，提出非正交haar小波概念，改进了haar小波不连续性特点。基于非正交haar小波变换，结合线扫描法快速性特点与数学形态学准确性特点，研究一种车牌快速定位算法。实验结果表明，此算法车牌定位准确率达到95％以上，对倾斜车牌的检测鲁棒性较强。 倾斜校正部分，先提取水平(或者垂直)边缘，然后二值化，根据水平(或者垂直)边缘的倾斜角度使用双线性插值法进行倾斜校正。 准确的字符分割能够为后续的识别打好基础，也是车牌识别系统关键技术之一。本文使用了垂直投影法与经验值法相结合，克服了单纯垂直投影法的缺点和单纯经验值法的缺点，融合了二者的优点，准确分割出字符。 字符识别是整个系统的最后一步，决定着字符的识别率。而字符特征选择的好坏决定着识别率的高低，分类器的设计从根本上决定着字符识别率和识别效率。本文提出字符轮廓特征与小波矩特征组合作为字符特征，经过主成分分析法进行特征降维，设计了RBF神经网络，然后使用该识别器进行训练识别。 对于本文所述方法，用Visual C++和MATLAB进行验证分析，总体识别率达到94.2％，效果较佳。 |
| 作者： | 张永来 |
| 专业： | 计算机应用技术 |
| 导师： | 朱晓红 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆大学 |
| 学位年度： | 2009 |
| 正文语种： | 中文 |
检索历史
应用推荐
