原文传递
基于神经网络的复杂背景下的车牌识别系统的研究
| 论文题名： | 基于神经网络的复杂背景下的车牌识别系统的研究 |
| 关键词： | 神经网络;车牌识别;道路交通管理 |
| 摘要： | 随着国民经济的迅速发展,我国的汽车数量迅速增加。虽然我国政府在基础设施建设上加快了步伐,高等级公路、停车场越来越多,但配套的道路、车辆管理系统却显得相对滞后,仍旧停留在以人工管理为主的水平上。科学、高效的利用好现有交通基础资源成为进一步挖掘我国城市交通能力的有效途径。由于牌照是确定汽车的有效手段,因此,车辆牌照识别(License Plate Recognition(LPR))系统在智能交通管理中发挥着基础性的作用。近年来,电子器件性能和制造工艺的提高以及数字图像处理、模式识别理论的成熟为在道路交通管理中引入计算机提供了条件。 本论文的研究重点主要包括牌照的定位、牌照中字符的分割和字符识别三部分,通过对图像处理和分析技术的综合运用以及对问题本身特点的详细考察,最终实现了基于车牌字符特征和投影特征的牌照二次定位算法。首先用数学形态学将车牌图像连成一个连通的区域,然后再用车牌字符特征确定车牌大致位置,最后再利用改进的垂直投影算法得到车牌的具体位置。 在字符分割方面,作者采用二值图像垂直投影法与先验车牌知识相结合进行字符分割。消除车牌左右两端定位精度对字符分割的影响。在字符识别方面,本文针对我国车牌的特点采用分级神经网络,整个神经网络的识别是并行的,由汉字网络、字母网络、字母数字网络和数字网络四大部分组成。分别用BP和RBF神经网络予以实现。实验结果表明该识别算法取得了较好的识别效果。 |
| 作者： | 张程 |
| 专业： | 信号与信息处理 |
| 导师： | 孙光民 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京工业大学 |
| 学位年度： | 2008 |
| 正文语种： | 中文 |
检索历史
应用推荐
