基于模糊逻辑的车牌识别系统研究
发布时间：2022-09-30 17:55
随着科学技术与国民经济的发展,智能交通系统的研究成为近年来的研究热点,车牌识别系统是其重要的组成部分之一,它被广泛应用于道路监控、车辆管理以及高速公路自动收费等领域中。模糊推理是一种模仿人类处理问题的推理算法。其优点是处理问题时直接根据所给的模糊规则对问题进行求解,无需考虑所求问题的数学模型。此外由于其具有擅长处理模糊信息的特性,使其在众多领域都有广泛应用,如模糊控制,模糊神经网络、模糊决策等。 车牌识别系统依次可分为图像预处理、车牌定位、字符分割和字符识别这四个模块。本文在分析研究了模糊推理和国内外车牌识别系统的基础上,根据我国车牌的特点提出了一套基于模糊逻辑的车牌识别系统,通过实验仿真取得了较理想的效果。 本文的主要工作有: 1.在图像预处理中提出一种基于直觉模糊熵的图像二值化方法,并将其与传统的Otsu二值化方法进行比较,此外根据灰度图像中车牌区域的像素标准差在一定的范围内这一特征,提出一种基于标准差的车牌图像简化方法。 2.分别对基于颜色特征与灰度特征的车牌定位方法进行研究,根据其各自的优缺点将两种方法进行结合,提出了一种基于相似度的模板匹配定位方法。该...
【文章页数】：96 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景及意义
1.2 相关技术介绍
1.3 国内外研究现状及发展趋势
1.4 论文的研究内容及主要工作
1.5 论文的结构
1.6 车牌系统的实现平台
第二章 预备知识
2.1 模糊集的概念
2.2 模糊推理
2.2.1 模糊命题
2.2.2 模糊规则
2.2.3 模糊推理的基本形式
2.2.4 模糊推理的CRI 算法
2.2.5 相似度推理模型
2.3 图像的预处理技术
2.3.1 图像的灰度化
2.3.2 图像的二值化
2.3.3 图像的增强
2.3.4 图像的去噪
第三章 车牌图像的定位方法研究
3.1 车牌区域的特征分析
3.2 基于相似度的车牌定位算法的步骤
3.3 车牌图像的灰度化
3.4 基于标准差的车牌图像简化算法
3.5 车牌图像的边缘检测
3.6 基于直觉模糊熵的图像二值化
3.6.1 基于REF(restricted equivalence function)的直觉模糊熵
3.6.2 基于REF 函数的图像二值化
3.7 基于HSV 颜色空间的车牌图像分割方法
3.8 基于相似度的车牌定位方法
3.8.1 模板的构造
3.8.2 相似度的计算
3.8.3 车牌区域的判别与精确定位
3.9 本章小结
第四章 车牌区域的字符分割方法
4.1 车牌的倾斜校正
4.1.1 基于水平投影的倾斜校正
4.1.2 基于Hough 变换的倾斜校正
4.1.3 图像旋转
4.2 去除边框及铆钉
4.3 字符分割
4.4 字符归一化
4.5 本章小结
第五章 字符识别
5.1 常用的字符识别方法
5.2 BP 神经网络的基本原理
5.3 基于模糊推理的在线调整学习率算法的研究
5.3.1 基于CRI 推理模型的自适应步长BP 算法
5.3.2 基于相似度推理的自适应步长BP 算法
5.4 遗传算法
5.5 基于遗传算法的模糊规则库自动获取
5.5.1 基于遗传算法的CRI-模糊规则构造方法
5.5.2 基于遗传算法的相似度推理规则构造方法
5.5.3 遗传算法中的适应度函数
5.6 车牌字符识别
5.6.1 车牌字符的特征提取
5.6.2 基于BP 神经网络的字符识别
5.7 字符识别算法流程图
5.8 实验分析
5.8.1 应用实例一
5.8.2 应用实例二
5.9 本章小结
第六章 基于模糊逻辑的车牌识别系统实现
6.1 车牌识别系统的流程图
6.2 车牌定位结果
6.3 字符分割算法的实验结果
6.4 字符识别实验结果
第七章 结论与展望
参考文献
附录1 车牌识别效果图
附录2 车牌识别系统实现程序
作者在攻读硕士学位期间发表的论文目录、科研情况
致谢
本文编号：3684004
【文章页数】：96 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景及意义
1.2 相关技术介绍
1.3 国内外研究现状及发展趋势
1.4 论文的研究内容及主要工作
1.5 论文的结构
1.6 车牌系统的实现平台
第二章 预备知识
2.1 模糊集的概念
2.2 模糊推理
2.2.1 模糊命题
2.2.2 模糊规则
2.2.3 模糊推理的基本形式
2.2.4 模糊推理的CRI 算法
2.2.5 相似度推理模型
2.3 图像的预处理技术
2.3.1 图像的灰度化
2.3.2 图像的二值化
2.3.3 图像的增强
2.3.4 图像的去噪
第三章 车牌图像的定位方法研究
3.1 车牌区域的特征分析
3.2 基于相似度的车牌定位算法的步骤
3.3 车牌图像的灰度化
3.4 基于标准差的车牌图像简化算法
3.5 车牌图像的边缘检测
3.6 基于直觉模糊熵的图像二值化
3.6.1 基于REF(restricted equivalence function)的直觉模糊熵
3.6.2 基于REF 函数的图像二值化
3.7 基于HSV 颜色空间的车牌图像分割方法
3.8 基于相似度的车牌定位方法
3.8.1 模板的构造
3.8.2 相似度的计算
3.8.3 车牌区域的判别与精确定位
3.9 本章小结
第四章 车牌区域的字符分割方法
4.1 车牌的倾斜校正
4.1.1 基于水平投影的倾斜校正
4.1.2 基于Hough 变换的倾斜校正
4.1.3 图像旋转
4.2 去除边框及铆钉
4.3 字符分割
4.4 字符归一化
4.5 本章小结
第五章 字符识别
5.1 常用的字符识别方法
5.2 BP 神经网络的基本原理
5.3 基于模糊推理的在线调整学习率算法的研究
5.3.1 基于CRI 推理模型的自适应步长BP 算法
5.3.2 基于相似度推理的自适应步长BP 算法
5.4 遗传算法
5.5 基于遗传算法的模糊规则库自动获取
5.5.1 基于遗传算法的CRI-模糊规则构造方法
5.5.2 基于遗传算法的相似度推理规则构造方法
5.5.3 遗传算法中的适应度函数
5.6 车牌字符识别
5.6.1 车牌字符的特征提取
5.6.2 基于BP 神经网络的字符识别
5.7 字符识别算法流程图
5.8 实验分析
5.8.1 应用实例一
5.8.2 应用实例二
5.9 本章小结
第六章 基于模糊逻辑的车牌识别系统实现
6.1 车牌识别系统的流程图
6.2 车牌定位结果
6.3 字符分割算法的实验结果
6.4 字符识别实验结果
第七章 结论与展望
参考文献
附录1 车牌识别效果图
附录2 车牌识别系统实现程序
作者在攻读硕士学位期间发表的论文目录、科研情况
致谢
本文编号：3684004
本文链接：https://www.wllwen.com/shekelunwen/ljx/3684004.html
