基于深度学习及视觉注意的车牌识别研究

发布时间：2023-04-29 21:42

　　近年来,随着智能算法的研究逐步取得进展,计算机通信设备,软件领域的不断革新,科技的创新带来图像处理领域的革新,因此在纷繁复杂的世界,数字图像处理技术显得更加重要。当今世界人们对生活水平要求也越来越高,伴随着市场上的智能产品也日新月异。而本文的研究结合前人的基础,对车牌识别系统中各个环节进行了研究,具体如下:(1)图像的预处理:分析了传统的研究方法,本文结合全局图像增强算法的特点,由于其噪声存在过增强的问题,提出了分块图像增强算法。该算法只对车牌相似区域进行局部增强,且引入的背景噪声相比其它方法较小,特别适合在昏暗的外景条件下,进行低对比度车辆图像的处理,效果非常理想。(2)车牌的定位:因为在复杂背景条件下,彩色图像在车牌定位中准确率较低,根据车牌的颜色特征以及中国车牌的具体特点,本文提出基于视觉注意机制模型对车牌进行定位。首先对车牌区域过色彩的竞争机制得到图像的颜色特征(红一绿特征图和蓝一黄特征图),结合各个方向滤波特征图,集成了检测对象的多个低层特性,从而形成一幅显著图。再结合车牌的各个信息特征,选择车牌图像区域。该方法具有准确率高以及容错性好的特点。(3)车牌图像二值化:在二值化之...

【文章页数】：75 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 引言
    1.1 课题的来源，目的以及意义
    1.2 国内外研究现状
    1.3 车牌系统的构成
    1.4 车牌系统的研究现状
        1.4.1 国内现状
        1.4.2 国外现状
    1.5 论文的结构安排
第二章 车牌的预处理
    2.1 图像的灰度处理
    2.2 图像的二值化
    2.3 中值滤波
    2.4 形态学处理
    2.5 小波分析
    2.6 本章小结
第三章 基于视觉注意机制的车牌区域定位
    3.1 常用的车牌定位方法
        3.1.1 常用车牌定位方法
    3.2 视觉注意机制理论
        3.2.1 RGB与HSV颜色特征
        3.2.2 视觉注意机制显著性检测原理
        3.2.3 显著性检测的领域
    3.3 基于视觉注意模型的车牌定位原理
        3.3.1 实验步骤
    3.4 实验结果分析
    3.5 本章小结
第四章 车牌的分割
    4.1 旋转
        4.1.1 Hough变换
        4.1.2 图像旋转
        4.1.3 仿真结果
    4.2 二值化
        4.2.1 大津法
        4.2.2 平均阈值法
    4.3 校正
        4.3.1 水平校正
        4.3.2 垂直校正
    4.4 形态学处理
    4.5 字符分割
    4.6 图像归一化
    4.7 本章小结
第五章 基于深度学习网络的车牌识别
    5.1 BP神经网络模型
    5.2 深度学习理论
    5.3 深度学习网络识别设计器
        5.3.1 特征提取
        5.3.2 深度学习网络结构与分类器设计
    5.4 深度学习网络对粗分类汉字识别
        5.4.1 经过粗分类与未经分类的汉字识别比较
        5.4.2 加噪声汉字的粗分类识别
        5.4.3 对有形变的数字和字母的识别
        5.4.4 有形变的汉字识别效果
        5.4.5 模板匹配法实验结果总结
        5.4.6 实验结果总结
    5.5 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢



本文编号：3805795