《基于bp网络的车牌字符识别-毕设论文.doc》由会员分享，可在线阅读，更多相关《基于bp网络的车牌字符识别-毕设论文.doc（44页珍藏版）》请在金锄头文库上搜索。
1、（2013届）本科毕业设计（论文）资料题 目 名 称： 基于BP网络的车牌字符识别 学 院（部）： 专 业： 学 生 姓 名： 班 级： 学号 指导教师姓名： 职称 职称 最终评定成绩： 湖南工业大学教务处 2013届本科毕业设计（论文）资料第一部分 毕业论文（2013届）本科毕业设计（论文）学 院（部）： 电气与信息工程学院 专 业： 电子信息工程 学 生 姓 名： 班 级： 学号 指导教师姓名： 职称 职称 最终评定成绩 2013年6月 湖南工业大学本科毕业设计（论文）摘 要基于BP网络的车牌字符识别是一门对车牌字符识别的技术，它的产生是为了完善智能交通系统，使得交通系统更具有信息时代意义
2、。本文利用BP神经网络与图像处理技术相结合的方法，将BP神经网络应用到车牌字符识别中。针对车牌图像的处理的过程包括：车牌图像去噪、车牌图像灰度化、车牌图像二值化、车牌字符图像分割、车牌字符图像归一化、车牌字符图像特征值提取。前面五个过程是为了保证字符信息能更好的体现出来有利于将特征值得提取。BP神经网络通过对组建的车牌字符库的学习后才会具有识别功能，然后将车牌字符图像提取到的特征值送入到BP神经网络中就能识别出来。通过实验证明了通过上述的过程是能够将车牌字符识别出来，在这个识别过程中对于BP网络训练的收敛性是十分重要的，本文认为可以通过修改隐含层节点的个数、训练函数和激发函数来完成BP网络的训
3、练以使得BP神经网络具有识别功能。对于识别的关键部分在于对特征值的提取，只有采可靠的提取办法才能保证字符信息部丢失这样才有利于识别。关键词：车牌字符识别，BP神经网络，特征值提取IV湖南工业大学本科毕业设计（论文）ABSTRACTBP network based license plate character recognition is one pair of license plate character recognition technology, which is produced in order to improve intelligent transportation syst
4、em, making the transport system more meaningful information age.In this paper, BP neural network and image processing technology, a combination of methods will be applied to the license plate BP neural network character recognition. For the license plate image processing process includes: license pl
5、ate image denoising, gray plate image, license plate image binarization, license plate character segmentation, license plate character image normalization, license plate character image feature extraction. During the previous five character information in order to ensure better reflected the benefit
6、 is worth the feature extraction. Through the formation of BP neural network library for license plate character recognition function after learning will have, and then extract the license plate character image characteristic value fed to BP neural network can be identified.The experimental results
7、show the process by the above license plate characters can be identified, in this process for identifying convergence BP network training is very important that this can modify the number of nodes in the hidden layer, training function and stimulate function to complete BP network training to enable
8、 BP neural network has recognition. For the identification of the key part of the feature value extraction, mining only reliable way to ensure the character information extracting unit lost that help identify, extract the paper also proposed several ways.Keywords: LPR，BP neural network，Feature extra
9、ction目 录摘 要IABSTRACTII目 录III第1章 绪论11.1 车牌识别技术11.1.1 车牌识别技术11.1.2 智能交通系统21.2国内外研究现状41.3本文研究内容4第2章 字符识别方法62.1 车牌图像预处理62.1.1 车牌规律62.1.2车牌图像去噪72.1.3车牌图像的灰度化和二值化72.2 字符分割92.2.1 边缘检测102.2.2 字符切割112.2.3 字符图像归一化122.2.4字符特征值提取122.3 BP神经网络142.3.1 BP网络152.3.2 BP网络的模型结构152.3.3 BP网络算法17第3章 基于BP网络的字符识别203.1 车牌图像预
10、处理实现203.1.1 车牌图像滤波实现203.1.1 灰度化技术及二值化实现203.1.2 车牌图像分割实现233.1.3 归一化和字符特征提取实现253.2 字符库与BP网络的建立273.3 BP网络字符识别31第4章 结 论33参考文献I致 谢II湖南工业大学本科毕业设计（论文）第1章 绪论 1.1 车牌识别技术1.1.1 车牌识别技术二十一世纪是一个信息化时代，是经济和科技飞速发展的时期，智能系统被广泛应用到人们生活当中。国民经济快速的发展在当今许多的人拥有了私家车，这使得城市交通问题日益严峻起来1。对于交通的管制也不能全靠交警来完成，这时智能交通系统便产生了。智能交通系统是以信息技术
11、为代表，融合先进的电子技术、控制技术、传感器技术以及计算机处理技术等，应用于各种交通场合的综合管理系统。智能交通系统中包括了许多部分，而其中最为关键的部分就是要能对车辆进行识别。车辆的信息主要在于它的车牌，车牌就是车辆的身份证，每辆车都有唯一对应的车牌号码，通过车牌号码就了解到车辆的信息。智能交通系统要对车牌进行识别就是要让计算机能自动识别出车辆的车牌，这个识别过程有许多方法，其中最简单的办法就是将已有的车牌号码存入到计算机中，再将抓拍到的车牌号码进行对比。这种办法需要计算机有大量的存储空间和全部的车牌模板，并且对抓拍到的车牌图像要求比较高，否则是很难识别出来的。在现代神经网络算法得到广泛应用
12、，这种算法是根据生物神经网络而建立起来的模型能较好的实现人类存储知识及处理信息的技能，使得系统可以模拟人类思维。神经网络中BP网络是其中应用比较广泛技术较为成熟的网络，BP网络在如今已被广泛的应用各个行业领域，它优越性主要体现于四个方面：函数逼近、模式识别、分类、数据压缩。由于在各个行业领域它已经得到了生活应用，所以BP网络技术也相对成熟，而且BP网络的变化形式也多种多样，采用BP网络作为车牌字符识别技术是一个相对合理选择2。对于车牌识别还有一个较为关键的问题，经过统计发现车牌字符是有规律的。在存储空间上把车牌字符分割出来就可以大大减小存储空间，这是由于车牌字符的组成的原因。对于识别方面分割字
13、符必须比较精准才能使得识别正确，所以对于字符图像的切割也要选取较为合理。而对于图像的切割就包含了一列的图像处理问题，图像处理技术的好坏是直接影响到识别的准确性的3。所以基于BP网络的车牌字符识别不仅仅是对BP网络进行研究也要对图像处理技术进行研究，这样才能使得计算机能准确的识别出车辆的车牌。车牌识别技术是现代智能交通系统重要组成部分，其应用十分广泛。它以计算机视觉处理、数字图像处理、模式识别等技术为基础，对摄像机所拍摄的车辆图像或者视频图像进行处理分析，得到每辆车的车牌号码，从而完成识别过程。通过一些后续处理技术其可以实现停车场出入口收费管理、盗抢车辆管理、高速公路超速自动化管理、闯红灯电子警察、公路收费管理等等功能。对于维护交通安全和城市治安，防止交通堵塞，实现交通全自动化管理有着现实的意义车牌识别技术实现的方法主要是模板匹配法和人工神经网络法，模板匹配法需要实际得到的车牌字符图像与标准库的车牌字符图像完全达到匹配要求才能识别。而人工神经网络它是具有一定的容错能力的，所以它相对于模板匹配法精度要求每那么高，但是实现比较复杂。识别方法的好坏在于它们的识别率和识别速度。识别技术是智能交通系统的关键技术，是现在智能交通系统主要研究的对象。识别
