车牌识别中去噪与字符识别算法的研究
发布时间：2021-06-16 23:13
在科技飞速发展的21世纪,家家户户都在享受着种种交通工具带来的好处。科技融入生活,为我们带来了方便,却也造成了交通管理难度越来越大。因此,为解决城市交通管理,国家提出了智能化交通管理系统。车牌识别系统作为智能交通系统的核心技术之一,为城市交通管理以及国民出行带来了巨大的方便。针对其各方面技术的探索,受到越来越多科研人员的热衷与重视。本文针对如何提高车牌识别系统的工作效率为主,从改善车牌图像质量和提高识别算法效率入手进行研究。论文主要工作如下:1.为改善车牌图像质量,本文研究了传统的非局部均值去噪算法,发现其测量相似性具有不稳定性以及容易导致边缘细节丢失,对此不足本文提出了基于边缘检测的车牌图像去噪算法。该算法使用标准化欧几里德距离代替简单欧几里德距离来测量邻域块之间的相似性,同时利用改进的Canny边缘检测算子进行边缘独立去噪。通过实验与经典算法进行比较,证明改进算法提高了相似性度量的准确性和稳定性,且较好保留了边缘细节信息。2.为进一步提高车牌字符识别的效率,本文针对模板匹配算法以及卷积神经网络进行了研究与分析,发现模板匹配法识别相似字符精确度低,而卷积神经网络识别时间效率低。针对上...
【文章来源】：安徽理工大学安徽省
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
图４直方图均衡化效果图??Ｆｉｇ４?Ｈｉｓｔｏｇｒａｍ?ｅｑｕａｌｉｚａｔｉｏｎ?ｅｆｆｅｃｔ?ｄｉａｇｒａｍ??２．３车辆图像二值化??
对于上式中的阈值设置方法，可以通过全局灰度计算，也可以以局部灰度的??渐变度计算，但由于这两种方法都有明显缺点，目前最常用的是由像素点位置和??灰度特性共同决定的动态阈值方法，该方法优点是动态阈值边界明显。图５所示??为车辆图像二值化效果：??（ａ）二值化前?（ｂ）二值化后??图５二值化效果图??Ｆｉｇ５?Ｂｉｎａｒｙ?ｒｅｎｄｅｒｉｎｇ??２．４本章小结??本章节主要介绍了本文在进行后续实验操作之前，需要对车辆图像进行的三??种前期预操作，通过这三个预处理操作，为本文后续的去噪、边缘检测以及字符??识别研究提供了有力的前提保障。??９??
Ｎｏｎ－ｌｏｃａｌ?ｍｅａｎ?ｄｅｎｏｉｓｉｎｇ?ａｌｇｏｒｉｔｈｍ?ｅｘｅｃｕｔｉｏｎ?ｐｒｏｃ声图像Ｐ＝｛Ｐ（〇丨／ｅ／｝，去噪后图像为：??ＮＬ（Ｐｍ?＝?Ｙ／Ｐ?队肌?ｊ）两个邻域窗口ｉ间的相似度。该算法利用然后修改目标像素的像素值，以达到去噪子??像处理的重要组成部分［３Ｑ］。由于边缘点规的检测算子一般难以完全屏蔽噪声因算子针对３ｘ３邻域进行运算，由两个卷积别如图７所示：??＇－１?０?＋１］?「＋１?＋２?＋１—??－２?０?＋２?０?０?０??
【参考文献】：
期刊论文
[1]激活函数在卷积神经网络中的对比研究[J]. 田娟,李英祥,李彤岩. 计算机系统应用. 2018(07)
[2]改进的自适应Canny边缘检测算法[J]. 段锁林,殷聪聪,李大伟. 计算机工程与设计. 2018(06)
[3]一种自适应的Canny边缘检测算法[J]. 宋人杰,刘超,王保军. 南京邮电大学学报(自然科学版). 2018(03)
[4]基于集成学习改进的卷积神经网络的手写字符识别[J]. 黎育权. 电子技术与软件工程. 2018(09)
[5]基于边缘检测与模式识别的车脸识别算法[J]. 徐骏骅. 控制工程. 2018(02)
[6]用于Canny算子边缘检测的广度优先算法研究[J]. 肖瑞莹,杨帆,董正宏. 计算机技术与发展. 2018(06)
[7]一种新的基于形态学和模板匹配的车牌识别方法[J]. 刘怀芝,陆小虎,徐喜东,陈本焱. 国外电子测量技术. 2018(01)
[8]图像处理在车牌识别中的应用[J]. 张宇峰. 科技视界. 2018(01)
[9]结合改进的SVM和随机森林算法车标分类识别[J]. 薛峰,朱强,林楠. 计算机工程与设计. 2017(12)
[10]一种改进的非局部均值图像去噪算法[J]. 祝严刚,张桂梅. 计算机工程与应用. 2017(18)
硕士论文
[1]基于深度学习的车牌识别关键技术研究[D]. 李朝兵.电子科技大学 2018
[2]基于改进卷积神经网络的车牌识别算法研究与实现[D]. 刘智辉.浙江理工大学 2018
[3]基于深度学习的车牌识别算法研究[D]. 王恒.浙江工业大学 2017
[4]基于联合双边滤波的图像去噪与融合方法研究[D]. 任芬.西安电子科技大学 2017
[5]雾天情况下的车牌定位技术研究[D]. 唐皞然.上海师范大学 2016
[6]联合空域和频域的图像去噪算法及其应用研究[D]. 崔艳萌.河南师范大学 2016
[7]车牌识别中关键算法的改进研究[D]. 杨振.广西师范大学 2016
[8]复杂背景下车牌识别系统的研究与实现[D]. 张婷.重庆大学 2016
[9]基于计算机视觉的车牌识别系统的算法研究[D]. 卜英家.电子科技大学 2015
[10]基于图像的车牌识别系统的设计和实现[D]. 康健新.吉林大学 2014
本文编号：3233969
【文章来源】：安徽理工大学安徽省
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
图４直方图均衡化效果图??Ｆｉｇ４?Ｈｉｓｔｏｇｒａｍ?ｅｑｕａｌｉｚａｔｉｏｎ?ｅｆｆｅｃｔ?ｄｉａｇｒａｍ??２．３车辆图像二值化??
对于上式中的阈值设置方法，可以通过全局灰度计算，也可以以局部灰度的??渐变度计算，但由于这两种方法都有明显缺点，目前最常用的是由像素点位置和??灰度特性共同决定的动态阈值方法，该方法优点是动态阈值边界明显。图５所示??为车辆图像二值化效果：??（ａ）二值化前?（ｂ）二值化后??图５二值化效果图??Ｆｉｇ５?Ｂｉｎａｒｙ?ｒｅｎｄｅｒｉｎｇ??２．４本章小结??本章节主要介绍了本文在进行后续实验操作之前，需要对车辆图像进行的三??种前期预操作，通过这三个预处理操作，为本文后续的去噪、边缘检测以及字符??识别研究提供了有力的前提保障。??９??
Ｎｏｎ－ｌｏｃａｌ?ｍｅａｎ?ｄｅｎｏｉｓｉｎｇ?ａｌｇｏｒｉｔｈｍ?ｅｘｅｃｕｔｉｏｎ?ｐｒｏｃ声图像Ｐ＝｛Ｐ（〇丨／ｅ／｝，去噪后图像为：??ＮＬ（Ｐｍ?＝?Ｙ／Ｐ?队肌?ｊ）两个邻域窗口ｉ间的相似度。该算法利用然后修改目标像素的像素值，以达到去噪子??像处理的重要组成部分［３Ｑ］。由于边缘点规的检测算子一般难以完全屏蔽噪声因算子针对３ｘ３邻域进行运算，由两个卷积别如图７所示：??＇－１?０?＋１］?「＋１?＋２?＋１—??－２?０?＋２?０?０?０??
【参考文献】：
期刊论文
[1]激活函数在卷积神经网络中的对比研究[J]. 田娟,李英祥,李彤岩. 计算机系统应用. 2018(07)
[2]改进的自适应Canny边缘检测算法[J]. 段锁林,殷聪聪,李大伟. 计算机工程与设计. 2018(06)
[3]一种自适应的Canny边缘检测算法[J]. 宋人杰,刘超,王保军. 南京邮电大学学报(自然科学版). 2018(03)
[4]基于集成学习改进的卷积神经网络的手写字符识别[J]. 黎育权. 电子技术与软件工程. 2018(09)
[5]基于边缘检测与模式识别的车脸识别算法[J]. 徐骏骅. 控制工程. 2018(02)
[6]用于Canny算子边缘检测的广度优先算法研究[J]. 肖瑞莹,杨帆,董正宏. 计算机技术与发展. 2018(06)
[7]一种新的基于形态学和模板匹配的车牌识别方法[J]. 刘怀芝,陆小虎,徐喜东,陈本焱. 国外电子测量技术. 2018(01)
[8]图像处理在车牌识别中的应用[J]. 张宇峰. 科技视界. 2018(01)
[9]结合改进的SVM和随机森林算法车标分类识别[J]. 薛峰,朱强,林楠. 计算机工程与设计. 2017(12)
[10]一种改进的非局部均值图像去噪算法[J]. 祝严刚,张桂梅. 计算机工程与应用. 2017(18)
硕士论文
[1]基于深度学习的车牌识别关键技术研究[D]. 李朝兵.电子科技大学 2018
[2]基于改进卷积神经网络的车牌识别算法研究与实现[D]. 刘智辉.浙江理工大学 2018
[3]基于深度学习的车牌识别算法研究[D]. 王恒.浙江工业大学 2017
[4]基于联合双边滤波的图像去噪与融合方法研究[D]. 任芬.西安电子科技大学 2017
[5]雾天情况下的车牌定位技术研究[D]. 唐皞然.上海师范大学 2016
[6]联合空域和频域的图像去噪算法及其应用研究[D]. 崔艳萌.河南师范大学 2016
[7]车牌识别中关键算法的改进研究[D]. 杨振.广西师范大学 2016
[8]复杂背景下车牌识别系统的研究与实现[D]. 张婷.重庆大学 2016
[9]基于计算机视觉的车牌识别系统的算法研究[D]. 卜英家.电子科技大学 2015
[10]基于图像的车牌识别系统的设计和实现[D]. 康健新.吉林大学 2014
本文编号：3233969
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3233969.html
