| 【中文题名】 | 基于人工神经网络的车牌识别系统的研究 |
| 【英文题名】 | The Research on License Plate Recognition System Based on Artificial Neural Network |
| 【学科专业】 | 应用数学 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-10-15 |
| 【中关键词】 | 车牌识别,车牌定位,字符分割,字符识别,人工神经网络, |
| 【英关键词】 | license plate recognition,license plate location,character segmentation,character recognition,artificial neural network, |
| 【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】 |
车牌识别问题作为现代交通工程领域中研究的重点和热点问题之一,受到越来越多人们的关注。
本文通过对车牌识别系统中车牌定位、图像预处理、字符分割、字符识别四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。该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H为左右,且饱和度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率较高的特征,最终实现了车牌的精确定位。240°
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,并利用了Otsu法将灰度图像转换为二值图像。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,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... |
| 【论文题纲】 |
|
摘要 |
4-5 |
|
Abstract |
5-9 |
|
第1章 绪论 |
9-13 |
|
1.1 课题背景 |
9 |
|
1.2 国内外研究现状 |
9-10 |
|
1.3 车牌识别系统的构成 |
10-11 |
|
1.4 本文的主要工作 |
11-13 |
|
第2章 车牌的定位 |
13-21 |
|
2.1 传统的车牌定位方法 |
13-14 |
|
2.2 基于顏色特征和纹理特征的车牌定位法 |
14-21 |
|
2.2.1 HSI 颜色空间 |
14-15 |
|
2.2.2 纹理特征提取 |
15-19 |
|
2.2.3 车牌定位 |
19-21 |
|
第3章 车牌图像的预处理 |
21-26 |
|
3.1 图像的灰度化 |
21-22 |
|
3.2 图像的二值化 |
22-24 |
|
3.2.1 全局阈值法 |
22-23 |
|
3.2.2 局部阈值法 |
23-24 |
|
3.3 车牌的边框和铆钉的去除 |
24-26 |
|
3.3.1 车牌边框的去除 |
24-25 |
|
3.3.2 车牌铆钉的去除 |
25-26 |
|
第4章 车牌字符的分割 |
26-31 |
|
4.1 传统的车牌字符分割方法 |
26-29 |
|
4.1.1 水平投影法 |
26-27 |
|
4.1.2 模板匹配法 |
27-28 |
|
4.1.3 聚类分析法 |
28-29 |
|
4.2 本文采用的车牌字符分割方法 |
29-31 |
|
第5章 车牌字符的识别 |
31-42 |
|
5.1 模板匹配 |
31-32 |
|
5.2 基于人工神经网络的车牌字符识别 |
32-37 |
|
5.2.1 人工神经网络简介 |
32-34 |
|
5.2.2 BP网络模型结构 |
34-37 |
|
5.3 本文采用的BP神经网络结构和设计 |
37-42 |
|
5.3.1 特征提取 |
37-39 |
|
5.3.2 BP网络的结构和设计 |
39-42 |
|
第6章 车牌识别系统的实现 |
42-47 |
|
6.1 系统设计原则 |
42 |
|
6.2 系统的结构与功能 |
42-43 |
|
6.3 系统的程序实现 |
43-45 |
|
6.4 实验结果分析 |
45-46 |
|
6.4.1 实验结果 |
46 |
|
6.5 进一步展望 |
46-47 |
|
附录 |
47-57 |
|
参考文献 |
57-60 |
|
攻读硕士期间发表的论文及所取得的研究成果 |
60-61 |
|
致 谢 |
61 |
|
| 【DOI】 | LunWen.ID:2.2008.388918 |
