聚类与遗传混合优化RBF神经网络的车牌识别研究

发布时间：2017-09-27 00:15

  本文关键词：聚类与遗传混合优化RBF神经网络的车牌识别研究

  更多相关文章： 车牌识别 边缘检测 Hog特征 聚类 遗传算法 RBF神经网络

【摘要】：车牌识别系统是智能交通系统的重要组成部分,目前该技术已广泛应用于停车场收费管理、小区出入车辆管理、高速公路自动收费、路口车辆监控等领域。车牌识别系统是一个涉及图像处理、神经网络、模式识别等理论的综合课题,该技术可以极大提高车辆管理水平和效率,并能够节省大量的社会资源,因此有着巨大的学术价值与应用前景。车牌识别系统由车牌定位、字符分割、字符识别三个模块构成。本文基于数字图像处理与神经网络的相关理论,对车牌图像预处理、车牌定位、字符分割、字符特征提取、RBF神经网络字符识别等环节进行研究,并在MATLAB环境下进行了仿真实验。在车牌定位环节,首先对灰度图像进行灰度形态学处理来达到图像增强的目的,然后运用边缘检测与二值形态学组合的方法对车牌进行定位,最后根据车牌具有一定的宽高比等特征实现伪车牌的去除。在字符分割环节,首先运用Radon变换对车牌进行倾斜矫正;然后采用基于灰度跳变方法对牌照边框进行去除;最后,先用模板移动匹配的方法找到二三字符的间隔区域以将车牌分为左右两部分,然后用连通域与模板匹配相结合的方法分别对两部分车牌进行字符分割。在字符识别环节,首先对分割出来的单个字符进行大小归一化处理,然后对灰度字符图像提取Hog特征,最后运用聚类与遗传相结合的方法对RBF神经网络的结构进行设计,并用设计好的网络实现牌照字符的识别。本文最后利用MATLAB软件设计了一个车牌识别GUI界面,实验结果表明,本文设计的牌照识别算法具有较高的准确性。
【关键词】：车牌识别 边缘检测 Hog特征 聚类 遗传算法 RBF神经网络
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;TP18
【目录】：

• 摘要5-6
• Abstract6-11
• 第1章 绪论11-16
• 1.1 课题研究背景及意义11-12
• 1.2 车牌识别系统研究现状12-13
• 1.2.1 国内车牌识别技术研究现状12-13
• 1.2.2 国外车牌识别技术研究现状13
• 1.3 车牌识别难点13-14
• 1.4 课题研究内容14
• 1.5 论文的结构安排14-16
• 第2章 边缘检测和数学形态学结合的车牌定位研究16-29
• 2.1 车牌定位方法概述16-17
• 2.1.1 基于边缘检测的车牌定位方法16
• 2.1.2 基于几何特征的车牌定位方法16-17
• 2.1.3 基于投影的车牌定位方法17
• 2.1.4 基于彩色空间转换的车牌定位法17
• 2.2 图像预处理17-21
• 2.2.1 彩色车牌图像灰度化17-18
• 2.2.2 基于灰度形态学运算的车牌图像区域增强18-21
• 2.3 基于边缘检测与数学形态学相结合的车牌定位21-28
• 2.3.1 车牌边缘检测21-24
• 2.3.2 车牌边缘图像水平跳变点统计确定车牌候选区域24-25
• 2.3.3 数学形态学运算处理车牌候选区域25-27
• 2.3.4 伪车牌区域的去除27-28
• 2.4 车牌定位实验结果与分析28
• 2.5 本章小结28-29
• 第3章 连通域与模板匹配相结合的字符分割算法设计29-42
• 3.1 标准车牌字符的排列特点简介29
• 3.2 常用的字符分割方法概述29-31
• 3.2.1 基于投影的字符分割方法30
• 3.2.2 基于模板匹配的字符分割方法30-31
• 3.2.3 基于连通域的字符分割方法31
• 3.3 基于radon变换的车牌倾斜矫正31-34
• 3.4 车牌边缘的去除34-36
• 3.4.1 车牌二值化34
• 3.4.2 基于边缘跳变点统计的车牌上下边缘去除34-35
• 3.4.3 基于模板匹配的车牌左右边缘去除35-36
• 3.5 基于连通域与模板匹配的字符分割36-40
• 3.5.1 基于模板匹配的二三字符间隔区域位置确定36-37
• 3.5.2 连通域与模板匹配结合的车牌右半区域字符分割37-39
• 3.5.3 连通域与模板匹配结合的车牌左半区域字符分割39-40
• 3.6 字符分割实验结果与分析40-41
• 3.7 本章小结41-42
• 第4章 混合优化的RBF网络车牌识别方法42-53
• 4.1 字符特征提取常用方法概述42
• 4.1.1 字符结构特征提取法42
• 4.1.2 字符统计特征提取法42
• 4.2 字符识别常用方法概述42-43
• 4.2.1 基于模板匹配的字符识别方法43
• 4.2.2 神经网络字符识别法43
• 4.3 字符尺寸归一化43-44
• 4.4 基于hog的字符特征提取44-45
• 4.5 聚类与遗传混合优化的车牌识别RBF网络设计45-47
• 4.5.1 RBF神经网络结构原理45-46
• 4.5.2 RBF神经网络常用训练方法及不足46-47
• 4.6 最近邻聚类与k-均值聚类相结合确定隐层中心值47-48
• 4.6.1 最近邻聚类确定初始聚类中心47
• 4.6.2 k-均值聚类确定最终聚类中心47-48
• 4.7 遗传算法确定隐层中心宽度48-49
• 4.8 字符识别实验结果与分析49-52
• 4.9 本章小结52-53
• 第5章 基于MATLAB环境的车牌识别GUI界面搭建53-60
• 5.1 MATLAB环境下GUI界面介绍53
• 5.2 启动GUIDE53-56
• 5.3 车牌识别GUI界面构建56-58
• 5.4 本章小结58-60
• 结论60-61
• 参考文献61-65
• 攻读硕士学位期间承担的科研任务与主要成果65-66
• 致谢66

【相似文献】

中国期刊全文数据库 前10条

1 张迪;;基于智能小区的物联车牌识别应用[J];数字技术与应用;2013年09期

2 骆雪超,刘桂雄,冯云庆,申柏华;一种基于车牌特征信息的车牌识别方法[J];华南理工大学学报(自然科学版);2003年04期

3 许剑峰,黎绍发;车牌识别中的颜色分析[J];计算机工程与应用;2004年25期

4 李唯冠;;一种基于车灯定位的夜间车牌识别研究[J];微计算机信息;2011年01期

5 丁伟;;改进神经网络算法在车牌识别中的应用[J];计算机仿真;2011年08期

6 张剑;;车牌识别中字符识别的研究[J];信息技术;2011年09期

7 王静;王欢;刘洁;;恶劣天气环境下车牌识别方法研究与仿真[J];计算机仿真;2011年10期

8 龚世标;;汉鄂高速车牌识别标识站的建设[J];中国交通信息化;2013年07期

9 何铁军;张宁;黄卫;;车牌识别算法的研究与实现[J];公路交通科技;2006年08期

10 余宗健;;基于过线特征的车牌识别[J];计算机技术与发展;2010年05期

中国重要会议论文全文数据库 前3条

1 周汉青;;一种高速的车牌识别算法[A];第二十七届中国（天津）2013IT、网络、信息技术、电子、仪器仪表创新学术会议论文集[C];2013年

2 史东娜;王枞;李卫;;车牌识别领域的中文术语自动抽取[A];中国电子学会第十五届信息论学术年会暨第一届全国网络编码学术年会论文集（下册）[C];2008年

3 关东;汪永山;;基于车牌识别比对的自动道闸控制系统[A];全国冶金自动化信息网2012年年会论文集[C];2012年

中国重要报纸全文数据库 前2条

1 本报评论员 周飙;交通拥堵是个产权问题[N];21世纪经济报道;2010年

2 樊哲高;沈阳聚德：智能视觉“千里眼”[N];中国电子报;2008年

中国博士学位论文全文数据库 前1条

1 任俊;基于支撑矢量机的图像分类、车牌识别及嵌入式应用研究[D];浙江大学;2005年

中国硕士学位论文全文数据库 前10条

1 郭真真;基于分阶的BP和CNN车牌识别[D];昆明理工大学;2015年

2 梁大宽;复杂背景下多车牌识别算法的研究与软件系统实[D];太原理工大学;2016年

3 尚兆功;基于视频识别技术的智能车库管理系统[D];山东建筑大学;2016年

4 张冠华;一种基于神经网络的车牌识别方法的实现[D];吉林大学;2016年

5 窦志伟;基于车牌识别数据的交通流参数短时预测[D];西南交通大学;2016年

6 张少鹏;基于STM32的车牌识别手持移动终端的设计[D];西北师范大学;2015年

7 谢嘉乐;基于改进的LM-BP神经网络的车牌识别算法研究与应用[D];广东工业大学;2016年

8 付栋;聚类与遗传混合优化RBF神经网络的车牌识别研究[D];燕山大学;2016年

9 吕田;智能停车场管理系统的设计与实现[D];西安工业大学;2016年

10 刘逸男;基于车载视频的车间距计算与车牌识别[D];北京工业大学;2016年

，

本文编号：926563