| 【中文题名】 | 基于小波变换和神经网络的车牌识别算法研究 |
| 【英文题名】 | Research of License Plate Recognition Arithmetic Based on Wavelet Transformation and Neural Network |
| 【学科专业】 | 模式识别与智能系统 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-9-10 |
| 【中关键词】 | 小波变换,神经网络,车牌定位,字符分割,车牌识别, |
| 【英关键词】 | Wavelet transformation,Neural Network,License plate location,Character segmentation,License plate 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】 |
车牌识别(License Plate Recognition，LPR)是智能交通系统(Intelligent Transport System，ITS)的一个重要组成部分，该系统综合了计算机视觉技术和模式识别技术，在桥梁路口自动收费、停车场无人管理和路间车辆通信，对肇事车辆、被盗车辆、犯罪车辆进行辨别和拦截等起着重要的作用。
本文研究的主要内容如下：
图像预处理：通过分析传统图像预处理的方法，如直方图均衡、高通滤波，发现这些图像增强方法都存在着不足，如噪音放大，有时可能引入新的噪声结构等。针对这些方法的不足，本文采用了基于小波变换的数字图像增强方法，这种算法利用小波变换获得图像多分辨率梯度信息，通过修改图像在不同分辨率尺度下的梯度信息系数，提高了图像的对比度。
车牌定位：本文针对不同背景和光照条件下的车辆图像，提出一种基于改进Sobel算子的车牌定位算法，首先对已经通过预处理的车牌图像使用改进的Sobel算子进行运算，然后使用迭代求图像最佳分割阈值的算法二值化车牌图像，最后结合水平投影和垂直投影算法对候选区域分析锁定车牌位置。
字符分割：针对定位后车牌区域的噪声影响以... |
| 【论文题纲】 |
|
摘要 |
3-4 |
|
ABSTRACT |
4-7 |
|
第一章 绪论 |
7-13 |
|
1.1 智能交通系统介绍 |
7 |
|
1.2 车牌识别系统现状和发展趋势 |
7-11 |
|
1.2.1 车牌识别技术国内外研究现状 |
8-10 |
|
1.2.2 车牌识别系统的发展趋势 |
10-11 |
|
1.3 本文的主要研究内容 |
11-13 |
|
第二章 车牌图像预处理 |
13-25 |
|
2.1 车辆图象灰度变换 |
13 |
|
2.2 车辆图象的平滑处理 |
13-16 |
|
2.3 车牌图像增强处理 |
16-24 |
|
2.3.1 传统的图像增强方法 |
16-18 |
|
2.3.2 小波变换理论简介 |
18-20 |
|
2.3.3 基于小波变换的低光照对比度图像增强方法 |
20-24 |
|
2.4 本章小结 |
24-25 |
|
第三章 车牌定位算法研究 |
25-36 |
|
3.1 车牌定位的基础方法及其原理 |
25-30 |
|
3.1.1 边缘检测 |
25-28 |
|
3.1.2 车牌图像二值化 |
28-29 |
|
3.1.3 数学形态学 |
29-30 |
|
3.2 基于改进Sobel算子的车牌定位方法 |
30-35 |
|
3.2.1 传统车牌定位算法 |
30-31 |
|
3.2.2 改进的Sobel算子边缘检测算法 |
31-33 |
|
3.2.3 车辆牌照的水平定位 |
33-34 |
|
3.2.4 车辆牌照的垂直定位 |
34-35 |
|
3.3 本章小结 |
35-36 |
|
第四章 车牌区域的字符分割算法研究 |
36-43 |
|
4.1 常用的字符分割方法 |
36 |
|
4.2 小波局部阈值去噪算法 |
36-40 |
|
4.2.1 小波去噪原理 |
36-37 |
|
4.2.2 二维小波阈值噪声滤波器的设计 |
37-40 |
|
4.3 基于小波去噪和垂直投影的字符分割算法 |
40-42 |
|
4.4 本章小结 |
42-43 |
|
第五章 车牌字符识别算法研究 |
43-55 |
|
5.1 车牌字符识别概述 |
43-46 |
|
5.1.1 车牌字符识别的发展历程 |
43-44 |
|
5.1.2 车牌字符识别研究的难点 |
44 |
|
5.1.3 车牌字符识别的常用方法 |
44-46 |
|
5.2 基于BP神经网络的车牌字符识别 |
46-52 |
|
5.2.1 BP神经网络简介 |
46-50 |
|
5.2.2 改进BP神经网络算法 |
50-51 |
|
5.2.3 BP神经网络结构确定 |
51-52 |
|
5.3 实验结果 |
52-54 |
|
5.4 本章小结 |
54-55 |
|
第六章 全文总结及展望 |
55-56 |
|
6.1 全文总结 |
55 |
|
6.2 展望 |
55-56 |
|
参考文献 |
56-59 |
|
作者在攻读硕士学位期间发表的论文 |
59-60 |
|
致谢 |
60 |
|
| 【DOI】 | LunWen.ID:2.2008.388958 |
