原文传递
基于图像处理的车牌识别系统的研究
| 论文题名： | 基于图像处理的车牌识别系统的研究 |
| 关键词： | 图像处理;车牌识别系统;车牌定位分割;字符识别 |
| 摘要： | 车牌自动识别技术是现代智能交通的重要组成部分，随着城市的高速发展，机动车数量日益增长，机动车牌照自动识别技术（以下称车牌识别）越来越受到重视。车牌识别具有丰富的先验知识，成为模式识别研究领域的重要基础，但是在复杂背景及不同天气光照的条件下，精确识别出车牌字符仍是研究的热点问题。本文针对该技术从车牌图像预处理、车牌定位分割及字符识别等几个方面展开讨论。根据传统算法的优缺点，通过分析实际情况改进得到本文的算法，并给出实验结果。 首先，对车牌图像进行预处理，主要包括图像增强、二值化和倾斜矫正。提出一种基于局域双峰自适应选取的直方图均衡化方法，以增强图像对比度，该方法的思想是：先选取阈值将背景与目标图像分割，再对其进行加权叠加从而得到增强后的图像。鉴于车牌图像噪声主要为脉冲噪声，提出了一种自适应中值滤波的去噪方法。对增强后的车牌图像，根据其灰度直方图的分布规律得出阈值进行二值化。对于倾斜的车牌图像，利用Hough变换法算出倾斜角度θ，再针对不同的倾斜类型对车牌图像进行旋转矫正。 其次，从理论上对我国车牌种类进行整理分类，采用了一种结合字符边缘和彩色特征的车牌定位分割算法，选用Prewitt算子对图像进行垂直边缘检测，扫描并统计边缘点数及边缘点密度以定位车牌候选区，采用模糊C-均值聚类法进一步确定车牌区域。根据分割出的车牌区域，采用一种垂直投影结合先验知识的车牌字符分割法，完成单个字符的分割。 最后，设计神经网络分类器对汉字，字母，数字进行训练和识别。通过对字符特征的分析，确定输入层，隐含层，输出层单元数目。实验结果表明该网络收敛速度较快，同时不易陷入局部最小值，在减少了迭代次数的同时，降低了网络规模并提高了车牌字符识别的效率。 实验结果表明：通过使用图像处理技术和神经网络相结合的方法，对实际拍摄的车牌图像进行识别，本文方法识别的正确率在95％以上。 |
| 作者： | 白璐 |
| 专业： | 信号与信息处理 |
| 导师： | 丁爱玲 |
| 授予学位： | 硕士 |
| 授予学位单位： | 长安大学 |
| 学位年度： | 2010 |
| 正文语种： | 中文 |
检索历史
应用推荐
