原文传递
基于BP神经网络的车辆牌照自动识别系统的研究
| 论文题名： | 基于BP神经网络的车辆牌照自动识别系统的研究 |
| 关键词： | 汽车牌照;自动识别系统;图像预处理;字符识别;BP神经网络;模式识别 |
| 摘要： | 汽车牌照自动识别系统是目前交通部门十分重要的科研项目之一，在交通部门的违章检测(电子警察)、高速公路自动收费和智能停车场管理等方面有着广阔的应用前景。从实际场景中切割出来的出牌图像，伴随着很多随机性干扰，所以处理时要尽量降低噪声的影响。车牌识别的难点在于倾斜校正和模糊识别。本文针对这些问题都提出了相应的处理方法。 本文主要研究的是车牌的自动识别系统，具体包括车牌图像的预处理、车牌字符分割和车牌字符的识别三大块内容。 车牌的预处理包括去噪、增强、二值化、背景色的统一和倾斜校正等过程。预处理的难点在于倾斜校正，本文采用改进的Hough算法能准确地校正车牌图像的倾斜度。同时，针对车牌图像的预处理对灰度图像可以达到较好的处理效果，而且在一定程度上解决了由于外界光照而造成的车牌图像对比度低的问题。 车牌字符分割的难点在于噪声和字符粘连、断裂等对分割的影响，本文采用对车牌区域垂直投影，同时利用回扫和车牌图像本身的特点，引进的先验知识不受字符的粘连和断裂的影响，有较好的分割效果。 车牌字符识别的难点在于受摄像机的性能、车牌的整洁度、光照等因素的影响使车牌字符出现较严重的模糊、缺损或污染，因此要求算法有较强的容错性和鲁棒性。本文采用改进的BP神经网络模式识别技术作为识别的方法，以车牌字符作为识别对象研究在干扰情况下的车牌识别问题。 本文第一章介绍了智能交通管理系统和车牌自动识别系统的发展和现状；第二章简单讲述了车牌自动识别系统的工作原理和工作流程；第三章、第四章中分别探讨了系统工作的两大模块：车牌字符的提取和识别。车牌的多样性、车牌图像质量的不稳定和车牌中各类字符的存在，使得这两个模块的实现成为整个车牌识别系统的重点和难点。文中详细阐述了基于先验知识的反馈式定位、基于模板匹配和指标最优的切分、基于特征和树分类器的字符统计识别等策略，并给出了一些实验结果；第五章介绍了车牌识别系统的实现。结束语中给出了一些性能指标及技术参数，并对以后的工作进行了展望。 |
| 作者： | 龚小兵 |
| 专业： | 计算机应用 |
| 导师： | 陈先桥 |
| 授予学位： | 硕士 |
| 授予学位单位： | 武汉理工大学 |
| 学位年度： | 2006 |
| 正文语种： | 中文 |
检索历史
应用推荐
