| 【中文题名】 | 车牌识别系统中的字符分割与识别 |
| 【英文题名】 | Character Segmentation and Recognition in Vehicle Plate Recognition System |
| 【学科专业】 | 计算机应用技术 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-11-14 |
| 【中关键词】 | 车牌识别,数字图像处理,字符分割,字符识别,, |
| 【英关键词】 | License Plate Recognition,Digital Image Processing,Character segmentation,Character recognition, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>计算技术、计算机技术>计算机的应用>信息处理(信息加工)>模式识别与装置 |
| 【论文摘要】 |
随着国民经济的迅速发展，我国的汽车数量迅速增加。虽然我国政府在基础设施建设上加快了步伐，高级公路、停车场越来越多，但配套的道路、车辆管理系统却显得相对滞后，仍停留在以人工管理为主的水平上。科学、高效的利用好现有交通基础资源成为进一步挖掘我国城市交通能力的有效途径。车牌识别技术是计算机视觉与模式识别技术在智能交通领域应用的重要研究课题之一。其目的就是无需为车辆加装其它特殊装置，在不改变车辆的运动状态的情况下实现对车牌的自动识别，从而给交通系统的自动管理提供了极大的方便。因此智能车牌识别系统是推进交通管理智能化的关键技术之一。
本文对车牌识别系统的各阶段的任务及遇到的问题进行了比较详细的说明和分析研究，然后用神经网络中的BP算法，基本完成了车牌识别系统的设计与实现。
本论文所做的主要工作如下：
1．论文首先研究智能车牌识别系统中所用到的一些理论知识，介绍了智能车牌识别系统中的车牌定位，字符分割，字符识别的一些常用的算法。最后给出了我们采用的字符分割和字符识别的详细方法。
2在车牌的定位阶段，我们通过对水平纹理投影平滑后的峰谷分析，对粗定位的上下边界进行了微调；在字符分割阶... |
| 【论文题纲】 |
|
摘要 |
3-4 |
|
Abstract |
4-6 |
|
目录 |
6-8 |
|
第一章 绪论 |
8-14 |
|
1.1 车牌识别系统简介 |
8 |
|
1.2 车牌识别系统的应用前景 |
8-9 |
|
1.3 车牌识别技术中的难点 |
9-11 |
|
1.4 车牌识别技术国内外发展现状 |
11-12 |
|
1.5 我国汽车牌照识别的特殊性 |
12 |
|
1.6 本文的主要工作 |
12-14 |
|
第二章 所用到的理论知识 |
14-29 |
|
2.1 模式识别 |
14-19 |
|
2.1.1 模式和模式识别的概念 |
14-15 |
|
2.1.2 模式识别系统 |
15-16 |
|
2.1.3 常用方法和在车牌识别中的运用 |
16-19 |
|
2.2 数字图像处理技术 |
19-23 |
|
2.2.1 图像处理概述 |
19 |
|
2.2.2 数字图像处理的主要内容 |
19-21 |
|
2.2.3 车牌识别中常用的数字图像处理技术 |
21-23 |
|
2.3 模板匹配 |
23-27 |
|
2.3.1 模板匹配的基本概念 |
23-24 |
|
2.3.2 模板匹配法 |
24-26 |
|
2.3.3 利用模板匹配进行字符识别 |
26-27 |
|
2.4 BP神经网络法以及字符识别原理 |
27-29 |
|
第三章 系统的具体设计与实现 |
29-37 |
|
3.1 系统简介 |
29-30 |
|
3.2 系统构成及工作原理 |
30-31 |
|
3.3 过程简介 |
31-36 |
|
3.3.1 图像采集 |
31 |
|
3.3.2 图像预处理 |
31-32 |
|
3.3.3 车牌定位 |
32-33 |
|
3.3.4 字符分割 |
33-34 |
|
3.3.5 字符识别 |
34-36 |
|
3.4 本章小节 |
36-37 |
|
第四章 车牌字符分割 |
37-54 |
|
4.1 目前我国车牌的构造特征 |
37-38 |
|
4.2 车牌字符分割的主要预处理步骤 |
38-42 |
|
4.2.1 灰度化处理 |
39-40 |
|
4.2.2 二值化 |
40-41 |
|
4.2.3 去除上下边界 |
41-42 |
|
4.3 传统的字符分割法简介 |
42-44 |
|
4.3.1 直接投影法 |
43 |
|
4.3.2 模板匹配字符分割算法 |
43-44 |
|
4.3.3 聚类分析字符分割法 |
44 |
|
4.4 基于车牌构造的投影分割法 |
44-52 |
|
4.4.1 算法的提出 |
45-49 |
|
4.4.2 算法的改进 |
49-50 |
|
4.4.3 实验结果分析 |
50-52 |
|
4.4 本章小结 |
52-54 |
|
第五章 基于BP神经网络的字符识别 |
54-68 |
|
5.1 字符识别概述 |
54-55 |
|
5.2 常用的字符识别法 |
55-57 |
|
5.2.1 基于模板匹配的方法 |
55-56 |
|
5.2.2 统计法与基于字符结构的方法 |
56-57 |
|
5.2.3 结构与统计相结合的识别方法 |
57 |
|
5.2.4 人工神经网络方法 |
57 |
|
5.3 BP神经网络在车牌字符识别中的应用 |
57-66 |
|
5.3.1 特征的提取 |
58-61 |
|
5.3.2 BP网络结构设计 |
61-63 |
|
5.3.3 字符识别系统的实现和识别结果分析 |
63-66 |
|
5.4 本章小结 |
66-68 |
|
第六章 总结 |
68-70 |
|
6.1 本文总结 |
68 |
|
6.2 研究工作展望 |
68-70 |
|
6.2.1 利用车牌上的彩色信息 |
69 |
|
6.2.2 改进现有的算法，设计新算法 |
69-70 |
|
参考文献 |
70-73 |
|
图索引 |
73-74 |
|
Figure Index |
74-75 |
|
致谢 |
75-76 |
|
导师简历 |
76 |
|
个人简历 |
76 |
|
发表的学术论文 |
76 |
|
参与项目 |
76 |
|
| 【DOI】 | LunWen.ID:2.2008.370619 |
