原文传递
基于人工神经网络的车牌识别系统的研究
| 论文题名： | 基于人工神经网络的车牌识别系统的研究 |
| 关键词： | 车牌识别;字符分割;字符识别;人工神经网络;图像预处理;仿真系统 |
| 摘要： | 车牌识别问题作为现代交通工程领域中研究的重点和热点问题之一，受到越来越多人们的关注。 本文通过对车牌识别系统中车牌定位、图像预处理、字符分割、字符识别四个关键环节的分析研究，设计了一个完整的车牌识别系统，并在MATLAB环境下进行了仿真模拟。 在车牌的定位部分，本文采用的是基于颜色特征和纹理特征的车牌定位方法。该方法首先将彩色图片从RGB空间转换到HIS空间，利用蓝底白字车牌中蓝色的色度H为240°左右，且饱和度S值较大的特点，实现了车牌的粗定位。然后再对粗定位后的图像利用Canny算子进行边缘检测，根据车牌部分图像黑白跳变频率较高的特征，最终实现了车牌的精确定位。 在图像的预处理部分，本文将得到的车牌定位图像进行了灰度化处理，并利用了Otsu法将灰度图像转换为二值图像。由于在实际中车牌的边框和上下铆钉会对车牌的识别工作形成干扰，因此在该部分中对车牌的边框和铆钉进行了去除。 在字符的分割部分，本文依据现行的车牌设计原则，利用改进后的水平投影法，将车牌图像分割7个待识别字符，并对分割后的字符进行了归一化处理。实践证明该方法对解决汉字的不连通问题、字符的粘连问题、噪声的干扰问题以及车牌的前2个字符和后面5个字符之间存在的小圆点问题是行之有效的。 在字符的识别部分，采用改进后的BP神经网络，针对汉字、字母、字母或数字、数字四种不同的识别问题，设计了四种不同的分类器。利用13特征提取法进行特征提取，将其结果作为网络的输入，最后将不同的识别结果组合得到车牌号码。本文选取了30张图片样本对设计的仿真系统进行了测试，实验结果表明其整体识别率为70％。 |
| 作者： | 李飞 |
| 专业： | 应用数学 |
| 导师： | 白艳萍 |
| 授予学位： | 硕士 |
| 授予学位单位： | 中北大学 |
| 学位年度： | 2007 |
| 正文语种： | 中文 |
检索历史
应用推荐
