基于自适应阀值边缘检测和机器学习的车牌识别算法研究

发布时间：2017-04-25 14:16

  本文关键词：基于自适应阀值边缘检测和机器学习的车牌识别算法研究，由笔耕文化传播整理发布。

【摘要】：车牌自动识别技术在智能交通领域扮演了越来越重要的角色,是目前智能交通管理的重要研究方向。随着社会对于车辆管理系统性能要求的日益提高和交通环境的日益复杂,现有的车牌自动识别技术已不能满足用户的需求,所以如何在复杂的环境下准确、实时地识别车牌仍然是智能交通研究人员研究的重点。本文分为车牌定位、车牌字符分割和字符识别三个研究部分。车牌定位研究怎样从一幅图片中找出车牌的位置并分割出来。整幅图像受不同时间点,不同天气等的影响会有颜色、亮度上的差异。如何去除信号采集过程中的噪点和图像中广告文字的干扰也是一个难点。本文使用边缘检测和形态学处理结合的方法定位车牌,并提出根据定位效果自适应地调整边缘加权梯度值和二值化阀值定位候选区域的方法,然后结合其他车牌特征遴选候选区域。这种方法使定位更加准确。字符分割的难点在于如何排除车牌边框的干扰,和如何克服字符间的连接现象。本文使用Radon变换和字符笔画宽度信息进行倾斜校正,对于克服字符间连接则使用理论的字符宽度值预估和验证的方法确定字符笔画宽度,然后依据该宽度分割字符。字符识别部分关注字符识别的精度和速度,以及对于残缺车牌的字符识别能力。针对现有的机器学习方法训练速度慢的缺点,本文提出基于在线序列极速学习机的车牌识别技术。通过实时训练不断提高识别率,网络的学习能力随着使用时间的增加而提高。并进一步引入迟滞特性使网络具有联想记忆能力,设计了具有迟滞特性的自选择极速学习机算法,增强了网络泛化能力,提高了识别精度。
【关键词】：车牌定位 边缘检测 字符识别 极速学习机 迟滞特性
【学位授予单位】：东华大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;TP181
【目录】：

• 摘要5-7
• Abstract7-11
• 第一章 绪论11-16
• 1.1 选题背景及意义11-13
• 1.2 车牌识别研究现状13-14
• 1.2.1 国外研究现状13
• 1.2.2 国内研究现状13-14
• 1.3 本文所做工作14-15
• 1.4 论文组织结构15-16
• 第二章 基于自适应阈值边缘的车牌定位16-37
• 2.1 车牌定位概述16-20
• 2.1.1 车牌特征16-17
• 2.1.2 常用车牌定位算法17-20
• 2.2 原始图像处理20-24
• 2.2.1 原始图像存在的问题20
• 2.2.2 灰度化与去噪实现20-22
• 2.2.3 光照均衡22
• 2.2.4 图像增强22-24
• 2.3 自适应阈值边缘检测定位24-34
• 2.3.1 边缘检测算子24-26
• 2.3.2 加权梯度值处理26-27
• 2.3.3 数学形态学概述27-28
• 2.3.4 自适应阈值边缘检测与形态学处理28-31
• 2.3.5 疑似区车牌过滤31-34
• 2.4 实验分析34-36
• 2.5 本章小结36-37
• 第三章 基于字符特征和垂直投影车牌分割37-46
• 3.1 车牌字符分割概述37-39
• 3.1.1 常用倾斜校正算法37-38
• 3.1.2 常用车牌字符分割算法38-39
• 3.2 基于字符特征和垂直投影字符分割39-44
• 3.2.1 车牌水平倾斜校正39-41
• 3.2.2 车牌上下边框去除41-42
• 3.2.3 车牌垂直倾斜校正42
• 3.2.4 字符分割处理42-44
• 3.3 实验分析44-45
• 3.4 本章小结45-46
• 第四章 基于改进极速学习机算法的字符识别46-65
• 4.1 字符识别概述46-47
• 4.2 字符预处理47-49
• 4.2.1 标准化处理48-49
• 4.2.2 平滑处理49
• 4.3 基于在线序列极速学习机的车牌字符识别49-57
• 4.3.1 在线序列极速学习机49-52
• 4.3.2 车牌字符的特征提取52-54
• 4.3.3 车牌字符分类器的设计54-56
• 4.3.4 实验结果及分析56-57
• 4.4 基于迟滞特性自选择极速学习机的车牌字符识别57-64
• 4.4.1 迟滞激励函数模型57-59
• 4.4.2 迟滞参数的训练算法59-61
• 4.4.3 迟滞特性的自选择极速学习机算法61-63
• 4.4.4 实验结果分析63
• 4.4.5 迟滞参数初值范围选择63-64
• 4.5 本章小结64-65
• 第五章 总结与展望65-67
• 5.1 论文总结65-66
• 5.2 课题展望66-67
• 参考文献67-72
• 攻读硕士学位期间的研究成果72-73
• 致谢73

【相似文献】

中国期刊全文数据库 前10条

1 王忠华,汪胜前,邓承志,刘祝华;基于层间相关性的小波边缘检测[J];江西师范大学学报(自然科学版);2004年05期

2 毕军,张长江;红外图像边缘检测的循环移位算法[J];光电工程;2005年05期

3 孙伟,王志坚;基于标准差梯度的模糊边缘检测算法[J];红外与激光工程;2005年04期

4 蒋庆,蔡晋辉,周泽魁;一种微分极值的边缘检测算法[J];电路与系统学报;2005年05期

5 王水平;李仕强;傅德胜;;基于资格函数的模糊边缘检测算法[J];计算机工程;2005年23期

6 刁麓弘;于斌;李华;;一种基于菲涅尔衍射的边缘检测算法[J];计算机学报;2006年12期

7 袁涛;张爱琳;;图像的边缘检测算法实现[J];包钢科技;2006年06期

8 王咏胜;付永庆;;噪声目标的边缘检测算法研究[J];弹箭与制导学报;2008年06期

9 杜鹃;刘斌;;基于层内相关性的小波相位边缘检测[J];湖北大学学报(自然科学版);2008年01期

10 张慧;张聪;;大米粒形边缘检测算法研究[J];粮油食品科技;2008年04期

中国重要会议论文全文数据库 前10条

1 王岩;勒中鑫;;几种边缘检测方法及其比较[A];中国图象图形科学技术新进展——第九届全国图象图形科技大会论文集[C];1998年

2 王岩;勒中鑫;;边缘检测中几种方法的比较[A];1998年中国智能自动化学术会议论文集（下册）[C];1998年

3 孟伟;王秀泽;张岩;;离散Canny边缘检测算法的实现[A];走近CIE 26th——中国照明学会（2005）学术年会论文集[C];2005年

4 叶乐军;王强;;基于自适应边缘检测的大空间火灾目标监测技术[A];中国职业安全健康协会2007年学术年会论文集[C];2007年

5 沈亮;潘德炉;王迪峰;;机载多通道扫描仪图像的边缘检测初步研究[A];2008中国仪器仪表与测控技术进展大会论文集（Ⅰ）[C];2008年

6 周胜灵;丁珠玉;;农产品边缘检测系统研究[A];中国农业工程学会2011年学术年会论文集[C];2011年

7 任获荣;杨夏颖;何培培;孙建维;高敏;;边缘检测技术发展现状及其在零件识别中的应用综述[A];第三届数控机床与自动化技术专家论坛论文集[C];2012年

8 李文辉;郭宁宁;郝鑫;;优化边缘检测的分析和解决方案[A];“加入WTO和科学技术与吉林经济发展——机遇·挑战·责任”吉林省第二届科学技术学术年会论文集（上）[C];2002年

9 王培珍;孟祥昊;张克;郑诗程;潘瑞雪;;板材图像边缘检测算法研究[A];第25届中国控制与决策会议论文集[C];2013年

10 王孝伟;王强;;基于自适应Canny边缘检测算子的大空间火灾图像边缘检测[A];2009年中国智能自动化会议论文集（第三分册）[C];2009年

中国重要报纸全文数据库 前1条

1 鸣人;Photoshop CS5:三大功能再进化[N];中国摄影报;2010年

中国博士学位论文全文数据库 前10条

1 磨少清;边缘检测及其评价方法的研究[D];天津大学;2011年

2 董鸿燕;边缘检测的若干技术研究[D];国防科学技术大学;2008年

3 王媛妮;顺序形态边缘检测及分水岭图像分割研究[D];武汉大学;2010年

4 迟健男;图像形态学和小波分析在图像增强与边缘检测中的应用[D];东北大学;2005年

5 李杏梅;Contourlet变换在图像去噪与边缘检测中的应用研究[D];华中科技大学;2011年

6 丁兴号;基于小波分析的视觉检测技术研究[D];合肥工业大学;2003年

7 闫海霞;基于数学形态学的图像边缘检测和增强算法的研究[D];吉林大学;2009年

8 谢松法;模式特征的提取与应用研究[D];华中科技大学;2007年

9 吴庆岗;复杂背景输电线图像中部件边缘提取算法研究[D];大连海事大学;2012年

10 Ali Abdullah Yahya;[D];合肥工业大学;2014年

中国硕士学位论文全文数据库 前10条

1 曹晶人;基于特征向量和神经网络的边缘检测算法研究[D];东北大学;2009年

2 周翠萍;基于方向差异多尺度分析的数字图像边缘检测算法研究[D];中南大学;2011年

3 陈付梦;融合提升小波和灰色关联度的磨粒边缘检测研究[D];南京航空航天大学;2013年

4 张洁;数字图像边缘检测技术的研究[D];合肥工业大学;2009年

5 郭伟;基于最小二乘支持向量机边缘检测改进算法研究[D];新疆大学;2009年

6 程飞燕;生物图像边缘检测算法的研究[D];兰州大学;2010年

7 严奉霞;小波理论及其在图像边缘检测中的应用[D];国防科学技术大学;2003年

8 连静;基于多尺度融合的图像边缘检测[D];吉林大学;2005年

9 吴继辉;模糊逻辑理论在红细胞边缘检测中的应用[D];重庆大学;2002年

10 于枝伶;基于边缘检测的小波图像去噪[D];西安理工大学;2007年

  本文关键词：基于自适应阀值边缘检测和机器学习的车牌识别算法研究，由笔耕文化传播整理发布。

，

本文编号：326474