《毕业设计（论文）-基于神经网络的车牌识别技术研究》由会员分享，可在线阅读，更多相关《毕业设计（论文）-基于神经网络的车牌识别技术研究（36页珍藏版）》请在金锄头文库上搜索。
1、1摘要摘要：车牌自动识别系统是以汽车牌照为特定目标的专用计算机视觉系统。它的研究主要涉及到了模式识别和人工智能、计算机视觉、数字图像处理、人工神经网络等众多的学科领域。本文通过对车牌识别系统中车牌定位、图像预处理、倾斜矫正、字符分割、字符识别五个关键环节的分析研究,设计了一个完整的车牌识别系统,并在MATLAB环境下进行了仿真模拟。 在车牌的定位部分,本文采用的是基于颜色特征和纹理特征的车牌定位方法。首先将彩色图片从RGB空间转换到HIS空间,利用蓝底白字车牌中蓝色的色度和饱和度S值较大的特点,实现了车牌的粗定位。然后再对粗定位后的图像利用Canny算子进行边缘检测,根据车牌部分图像黑白跳变频
2、率较高的特征,最终实现了车牌的精确定位。 在图像的预处理部分,本文将得到的车牌定位图像进行了灰度化处理,利用Otsu法将灰度图像转换为二值图像,并给出了一种灰度图像增强算法,对采集到的车牌图像进行增强处理;由于在实际中车牌的边框和上下铆钉会对车牌的识别工作形成干扰,因此在该部分中对车牌的边框和铆钉进行了去除。 在获取车辆图像的过程中,由于摄像机和车牌之间角度的变化,经常使所拍摄的车辆图像发生倾斜,导致车牌扭曲和字符变形,给字符分割和字符识别带来极大影响。为此,文章研究了一种基于空间扭曲校正和Hough变换的车牌图像校正方法。 在字符的分割部分,本文依据现行的车牌设计原则,利用改进后的水平投影法
3、,将车牌图像分割7个待识别字符,并对分割后的字符进行了归一化处理。实践证明该方法对解决汉字的不连通问题、字符的粘连问题、噪声的干扰问题以及车牌的前2个字符和后面5个字符之间存在的小圆点问题是行之有效的。 在字符的识别部分,采用改进后的BP神经网络,针对汉字、字母、字母或数字、数字四种不同的识别问题,设计了四种不同的分类器。利用13特征提取法进行特征提取,将其结果作为网络的输入,最后将不同的识别结果组合得到车牌号码。关键字关键字：车牌识别; BP神经网络; 字符识别2Abstract：The Vehicle License Plate Automatic Recognition System(V
4、LPR) is computer vision system,which target at license plate as particular target. Its research focuses primarily on Pattern Recognition, Artificial Intelligence(AI), Computer Vision, Digital Image Processing, Artificial Neural Networks(ANN) and some other field of study. In the text, we design a co
5、mplete VLPR, through analytical study on Vehicle license plate Locating, image preprocessing, slant rectify, character segmentation and character recognition, the five key links of VLPR. And simulate it in the MATLAB environment. In vehicle license plate locating, we adopt VLPR base on colour featur
6、es and textural features. Firstly, transfer colour pictures from RGB space into HIS space, according to feature which the chroma and saturation of the blue license plate with white words have higher S value. It achieves coarse locating, secondly, using Canny Operator to do an edge detection for the
7、image that be located coarsely. Eventually,achieving the accurate locating, according to the feature which Black-White frequency hopping of license plate image is higher. In image preprocessing, we do a Gray-scale processing for the vehicle license plate locating. Using Otsu method convert gray leve
8、l image into bianry image. And give the license plate image we collected a enhancement treatment, according to a sort of enhancement algorithm of gray level image. In fact, the frames of license plate and rivets can affect the recognition. So we removed them before test starting. In the process of a
9、ccess to vehicle images, because the changing angle between camera and license plate. It makes the vehicle image that we takes slanted, which lead to twist the license plate and characters and has a serious effect on character segmentation and character recognition. According to above problem, we in
10、vent a license plate image corrector method base on spatial warping adjustment and Hough transform. In character segmentation, according to the current license plate design principles, we use improved Horizontal Projection Method, segment license plate image into 7 characters to be recognized. And d
11、o a normalization processing for the characters. Practice has proved that it is effectual to the problem that Chinese characters are not connected, character conglutination, noise interference and the dots of between the first 2 characters and the last 5 ones of license plate. In character recogniti
12、on, targeting at Chinese characters, letters, letters or digits and digits, the four sorts of recognition problem, we adopt improved BP Neural Networks to design four sorts of classifiers. Then use 13 Feature Extraction Method to get the result as network input. Finally, combine the different recogn
13、ition results to get license plate numbers.Key Words :license plate recognition; BP neural networks; character recognition3第一章 绪论1.1课题的背景及研究意义随着社会经济的不断发展和人民生活水平的普遍提高，整个社会对交通运输的需求日益增加，交通变得越来越拥挤，给社会和环境带来了很大的压力。在此情况下，仅仅依靠大力发展交通设施已不能解决现在已经存在的交通拥挤、交通事故频发、环境污染加剧等问题，尽管在世界上的许多国家依然依靠建设更多的道路基础设施，建立完善的道路网络缓解道路
14、交通增长的需要，但是由于城市空间的严格限制，以及资金和环境方面的压力，建设更多的设施将受到限制。因此保持道路建设和现代管理齐头并进，在发展设施的同时，大力发展现代交通系统（Intelligent Transportation System,简称ITS），已成为亟1待解决的问题。智能交通管理系统是21实际道路交通管理的发展趋势，高速路的不断发展和车辆管理体制的不断完善，为以图像识别为基础的智能交通管理系统进入实际应用领域提供了契机。在智能机他管理系统中，汽车牌照系统是一个核心 2发展方向，汽车牌照识别（license plate recognition简称LPR）系统是一种能够自动实时地检测车辆
15、经过和识别汽车牌照字符的智能系统，它具有广泛的应用前景。其应用场合包括：高速公路、桥梁、隧道等自动收费管理系统；城市交通车辆管理，如超速和违规车辆的识别、纪录，电子警察，海关边境交通监控，以及管制区、国家重要机关部门的进入控制；智能小区、智能停车场管理：存车牌验证，被盗汽车的检测、跟踪，车流量统计等。车牌识别系统作为智能交通的核心，在高速公路、城市道路和停车场等项目管理中占有了举足轻重的作用，因而，车牌是别的研究具有极其重要的现实意义。LPR所涉及的研究方向较多，其主要有数字图像处理、模式识别、神经网络等。智能交通系统在先进的信息服务系统的基础上，提供先进的交通管理系统，提高公共交通的安全性、
16、可靠性、高效性，为大众提供更优质的公共交通服务。智能交通系统提供了无人值守的电子收费系统，可以实现在收费道、停车场等场所的无人管理、不停车、无需票据的服务，减少传统管理方式引起的延误，提高各种交通场所的通行能力和运行效率，同时也可以为系统管理提供实时、准确地叫哦哪该数据。完善智能交通系统还应该包括紧急事件处理系统，提供4道路交通对各种突发事件的预警和快速反应能力。总的来说，智能交通系统主要应该具备感知能力与自适能力、记忆与逻辑思维能力、表达能力和判决能力等特点。智能交通系统能为出行者提供信息服务、快速应急服务、安全行车服务、预警机制减少交通阻塞、高质量低成本的运输及方便快捷的支付手段。1.2车牌识别系统的概述车辆牌照识别系统是一个基于数字图像处理和字符识别的智能化交通管理系统，该系统通过视频采集接口采集摄像头摄入包含车牌的视频图像，再对动态采集到的图像进行预处理以克服图像干扰，改善识别效果，接着在动态采集到的图像中自动找到车牌的位置也就是车牌定位，再分割出车牌字符形成一个个大小相同的单个字符，其次对车牌进行二值化，最后把大小归一化好的字符输入字符识别模块进行识别，它主要涉
