原文传递
基于混合智能的车牌识别关键算法研究
| 论文题名： | 基于混合智能的车牌识别关键算法研究 |
| 关键词： | 车牌识别;数字图像处理;量子进化;粒子群算法;BP;神经网络 |
| 摘要： | 伴随着我国经济的迅猛发展，各大城市的交通管理水平也在逐步的提高，也正是由于此，众多的智能交通管理化管理手段开始得到大规模的应用。在这其中，机动车牌照作为交通车辆管理的重要标志，开始成为管理规范的重点。 基于此，车辆牌照识别系统(LPR,License Plate Recognition)的研发与应用，开始成为影响交通系统智能化、现代化的最重要的因素，其也成为现代化交通发展的热点问题。在LRP 系统中，对算法的研究尤其重要，这其中包含着如下的几个部分，是相关学者研究的重点，也即：车辆牌照的定位、车辆牌照的分割和车牌牌照的字符识别。同时，为了提高车牌识别率，这就需要采用高效的识别算法来确保即使是在环境光照条件，拍摄位置恶劣和车辆牌照的固有瑕疵等因素的影响下，仍然具有较大的鲁棒性来帮助系统进行准确，实时性的识别要求。 在上述研究思想的指导下，本文的主要研究内容包括： 1、本文首先分析当下常用的一些人工智能方法，结合当前比较前沿的量子进化算法和粒子群算法的优点，设计出基于混合智能得量子粒子群算法来对图像进行预处理，可以得到比较突出的牌照信息； 2、参照现今最常用的对汽车牌照定位的方法，然后结合汽车牌照自身固有的一些物理特征，在本文中，采用了基于数学形态学的方法，通过构造具有自适应功能的结构元素来对汽车牌照目标候选区域进行定位； 3、在总结汽车牌照字符符分割算法的基础之上，继续利用国内车牌的一些先验知识诸如车牌内字符之间的间隔，车牌内字符的构成，然后对数字图像中的目标车牌区域进行垂直方向和水平方向的投影图，结合上述的先验知识，从而能够得到一个汽车牌照的完整分割； 4、在字符识别中，考虑到车牌的实际识别特点，利用智能计算得相关理论设计出一个改进的BP 神经网络，并按照字符特征的分类，分别用这个改进的BP神经网络来对车牌内的字符进行识别。 |
| 作者： | 陆玉 |
| 专业： | 计算机技术 |
| 导师： | 罗斌 |
| 授予学位： | 硕士 |
| 授予学位单位： | 安徽大学 |
| 学位年度： | 2010 |
| 正文语种： | 中文 |
检索历史
应用推荐
