基于图像处理的车牌识别技术的研究与实现

发布时间：2017-05-13 09:21

  本文关键词：基于图像处理的车牌识别技术的研究与实现，，由笔耕文化传播整理发布。

【摘要】：随着人们生活水平的提高,车辆越来越多,交通治安管理便成了社会比较关注的部分。在交通治安管理过程中,很多时候人们需要人工的对一些违规交通车辆进行识别,这样不仅耗费了大量的人力和物力,而且很多时候难以保障识别的准确性。车牌识别系统便是在这样的大环境下产生的。本文首先对国内外车牌识别技术发展的现状进行分析,在克服现有算法基础上提出新的高效车牌识别算法。本文对所提出的算法进行了实验验证,对随机选取的200张图像进行识别,实验结果表明本文提出的算法鲁棒性强,对车牌识别的准确率达到96%。本文提出的车牌识别算法整体分为车牌定位、车牌预处理、车牌识别三个部分,算法在这三个部分进行了创新,对每部分的算法实现效果和执行速度进行了改进。本文算法的主要创新点如下:首先对以往车牌定位算法进行了总结分析,在此基础上提出了新的车牌定位算法。车牌定位算法整体分为三步,即利用车牌为矩形的几何特征对车牌进行近似定位,车牌近似定位主要应用图像的轮廓提取算法、数学形态学滤波算法和矩形定位筛选算法,利用这几种算法将图像中类似车牌的区域全部提取出来。车牌的近似定位即通过对车牌的长宽比例,在候选区域选定误差最小值,最后确定车牌的准确位置。在车牌的分割部分,本文将车牌的横向投影和纵向投影相结合,利用横向投影法检测车牌的种类(即车牌单排排列和车牌双排排列),然后利用纵向投影法对车牌中的字符进行分割。本文采用改进的BP神经网络模型对车牌进行识别。在车牌车别过程中,在原始的BP神经网络模型上添加了动量因子,减小了识别系统的不稳定性,在学习率的设定上采用了自适应调整模式,学习率不是固定不变的,其会在每次学习完成后对自身的值进行合理的修改。
【关键词】：车牌识别 神经网络 OCR识别
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要4-5
• Abstract5-9
• 第1章 绪论9-14
• 1.1 智能交通系统9
• 1.2 车牌识别系统9-12
• 1.2.1 车牌识别的简介及应用9-10
• 1.2.2 车牌识别系统的结构10-12
• 1.2.3 车牌识别技术的发展现状12
• 1.3 本文的主要结构12-14
• 第2章 关键技术介绍14-21
• 2.1 边缘检测算法14-17
• 2.2 车牌校正算法17-18
• 2.3 文字识别算法介绍18-21
• 2.3.1 分类器字符识别算法18-19
• 2.3.2 模板匹配类方法19-21
• 第3章 车牌定位21-29
• 3.1 车牌特征分析21-22
• 3.1.1 车牌简介21
• 3.1.2 车牌特征总结21-22
• 3.2 车牌识别区域确定方法研究22-29
• 3.2.1 车牌近似定位22-27
• 3.2.2 车牌精确定位27-29
• 第4章 车牌图像预处理29-35
• 4.1 车牌校正29-31
• 4.2 图像去噪31-32
• 4.3 字符分割32-35
• 第5章 车牌识别35-48
• 5.1 反馈神经网络介绍35
• 5.2 字符预处理35-36
• 5.3 特征提取36-37
• 5.4 车牌识别的BP网络模型设计37-43
• 5.4.1 神经网络模型37-38
• 5.4.2 BP神经网络模型38-41
• 5.4.3 基于BP神经网络模型的字符识别算法41-43
• 5.5 车牌识别系统实验及结果分析43-48
• 5.5.1 实验结果43-46
• 5.5.2 结果分析46-48
• 第6章 总结48-49
• 参考文献49-51
• 作者简介51-52
• 致谢52

【相似文献】

中国期刊全文数据库 前10条

1 黄秉宪;;随意运动控制与学习的多级神经网络模型[J];国外医学.生物医学工程分册;1988年02期

2 周常河,刘立人,王文江;高阶神经网络模型的一种光学实现结构[J];量子电子学;1992年01期

3 潘中良,陈光

本文编号：362162