原文传递
基于图像处理和神经网络的车牌识别系统研究
| 论文题名： | 基于图像处理和神经网络的车牌识别系统研究 |
| 关键词： | 车牌识别;图像处理;字符分割;BP神经网络;智能交通系统 |
| 摘要： | 车牌识别系统（LPR）是智能交通系统（ITS）的核心组成部分，在现代交通收费管理系统中发挥着举足轻重的作用。近年来，对车牌识别系统的研究已经成为一个热点问题。 论文首先分析车牌识别系统技术的研究现状，对系统中的图像预处理、车牌定位、字符分割和识别四大重点模块进行全面论述；对字符识别技术进行深入研究，设计并实现了车牌识别系统。为了提高系统的识别率和鲁棒性，仔细分析四个模块设计中的重点和难点，并提出解决方案。 在预处理模块设计中，本文结合多种图像处理技术，采用模糊c均值二值化、形态学滤波和Sobel算子边缘检测等预处理算法。比较研究了基于特征统计、改进Sobel算子边缘检测、粒子图像相关法的车牌定位方法，并通过实验证明粒子图像相关法是设计本系统的最佳优化方案。在车牌的字符分割模块中，提出一种基于多尺度模板匹配的分割算法，利用尺度变换的方法找到车牌区域全局最优模板匹配信息，结合Hough变换达到更好的分割效果；为有效剔除字符图像中的噪声区域，结合预处理阶段最大连通域的边界均值方法来解决，使得此算法具有很好的鲁棒性。参照目前的研究现状重点分析BP神经网络，提出一套附加动量法改进BP算法的设计方案，通过对比实验，验证了改进算法方案的有效性。 实验证明，本文所采用的方法能达到较好的识别效果，具有一定的高效性、鲁棒性和实时性。 |
| 作者： | 雷静 |
| 专业： | 电路与系统 |
| 导师： | 刘雄飞 |
| 授予学位： | 硕士 |
| 授予学位单位： | 中南大学 |
| 学位年度： | 2009 |
| 正文语种： | 中文 |
检索历史
应用推荐
