详情

原文传递车牌图像识别技术研究

论文题名：	车牌图像识别技术研究
关键词：	车牌图像识别;智能交通系统;二值化算法;边缘点密度法;神经网络
摘要：	车牌自动识别技术在智能交通系统中处于核心地位，是智能交通系统自动运行的决定因素之一。在车牌自动识别技术中，基于图像的识别技术是一种比较先进的技术，也是目前车牌自动识别技术研究的主要方向。然而，由于基于图像的识别技术涉及众多学科，缺乏统一理论的指导，图像的干扰因素太多，算法的实时性与准确性之间矛盾难以克服，所以，基于图像的识别技术也是最难的一种车牌识别技术。本文对基于图像的车牌识别技术的研究现状及研究成果进行了深入、全面、系统的分析研究。在此基础上，通过实验得出了对车辆图像进行对比度增强的前提条件，从众多二值化算法中找出了一种既有较好二值化效果，又能消除一定背景干扰的算法(Otsu算法)；针对后续的车牌定位，灵活地应用了Sobel算法：对边缘点密度法、基于跳变点的车牌定位算法进行了改进；指出了Hough变换用于车牌倾斜校正的局限性，并提出了一种简单实用的校正方法；提出了一种基于第3字符位置的字符分割算法；采用13特征作为字母数字的分类特征，并将13特征扩充为22特征作为汉字的分类特征；对目前具有代表性的各种神经网络做了全面的对比分析，然后确定用BP网络进行字符识别，并设计了两个BP网络分别对汉字、字母和数字进行识别：对用于BP神经网络训练的一种算法(即确定扰动算法)进行了深入的研究，指出了它的不足，最后，采用带动量项的变步长BP算法进行神经网络的训练，并根据网络误差动态取舍动量项。另外，本文还对识别过程中的其它一些处理环节进行了细微的改进。在进行理论研究的同时，本文对整个识别过程中的所有必须环节在MS Visual Studio IDE中用C++语言进行了实现，编写主体及测试代码共计12621行，实验得出了各环节的技术指标数据。实验结果表明，改进后的算法具有较满意的效果；提出的倾斜校正方法具有一定的抗干扰能力，对有无边框的车牌都能进行校正；提出的字符分割算法在一定程度上能够满足要求；设计的BP网络结构合理，开销少，训练算法有效，能够满足车牌字符识别的要求。目前虽然已经有很多实用的商业化车牌识别系统投入运行，但大多针对简单场景，对现场环境条件有很多的要求。本文的许多算法具有一定的实用价值，进行适当的修改即可用于实际的车牌识别系统。
作者：	刘文
专业：	电力系统及其自动化
导师：	金炜东
授予学位：	硕士
授予学位单位：	西南交通大学
学位年度：	2008
正文语种：	中文