| 【中文题名】 | 基于神经网络的车牌识别系统的研究与应用 |
| 【英文题名】 | Research and Application of Licence Plate Recognition System Based on NN |
| 【学科专业】 | 软件工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-10-16 |
| 【中关键词】 | 车牌识别,神经网络,特征统计,车辆管理系统,, |
| 【英关键词】 | licence plate recognition,neural network,characteristic statistics,vehicle management system, |
| 【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】 |
随着高档住宅小区的建设以及人们生活水平的提高，越来越多的人们搬进了高档小区，并且有越来越多的私家车走入了我们的日常生活。小区的高质量的物业管理水平对人们的日常生活非常重要，它在小区居民住居的安全性和方便性方面发挥重要的作用。小区车辆智能管理是物业管理的重要组成部分，而车牌自动识别技术又是车辆智能管理的关键技术，车牌自动识别的准确率直接决定了这些系统的工作性能和应用效果。所以，研究一种高效和高准确率的车牌自动识别技术有着重要的实用价值。
为了实现上述系统，论文中建立了基于神经网络的车牌识别系统模型。该模型采用BP神经网络技术和数字图像处理技术，实现了一种高效和高准确率的车牌自动识别系统，大大提高了车辆管理的智能性和小区物业管理的效率。
论文首先介绍了车牌识别系统的结构及软件设计需具备的主要功能。然后，文中主要讨论了基于神经网络的车牌识别系统的实现方法和关键技术。在车牌信息定位方面，论文采用基于特征统计的车牌定位方法，该方法能有效地提高车牌信息定位的准确率。并且，在车牌字符识别方面采用了BP神经网络技术，大大地提高了车牌字符识别的准确率，增强了系统的稳定性和可用性。最后，论文详细介绍了V... |
| 【论文题纲】 |
|
摘要 |
4-5 |
|
ABSTRACT |
5-10 |
|
第一章 绪论 |
10-17 |
|
1.1 课题研究背景 |
10-12 |
|
1.1.1 汽车车牌识别技术概述 |
10-11 |
|
1.1.2 课题研究目的及意义 |
11-12 |
|
1.2 研究的主要内容及关键技术 |
12-14 |
|
1.2.1 研究现状 |
12-13 |
|
1.2.2 主要研究内容 |
13-14 |
|
1.2.3 关键技术 |
14 |
|
1.3 本课题有关的软件工程知识 |
14-15 |
|
1.3.1 软件工程 |
14-15 |
|
1.3.2 面向对象 |
15 |
|
1.3.3 软件项目管理 |
15 |
|
1.4 本章小结 |
15-17 |
|
第二章 车牌识别系统软件的设计 |
17-27 |
|
2.1 车牌识别系统概述 |
17-19 |
|
2.2 车牌识别软件系统的开发流程 |
19-21 |
|
2.3 车牌识别系统结构 |
21-23 |
|
2.3.1 硬件系统结构 |
21-23 |
|
2.3.2 软件系统结构 |
23 |
|
2.4 系统功能及设计方法 |
23-25 |
|
2.5 本章小结 |
25-27 |
|
第三章 车牌识别系统的关键算法 |
27-48 |
|
3.1 车牌图像预处理算法 |
27-36 |
|
3.1.1 灰度化 |
27-29 |
|
3.1.2 滤波 |
29-32 |
|
3.1.3 二值化 |
32-33 |
|
3.1.4 边缘检测 |
33-36 |
|
3.2 车牌定位算法 |
36-41 |
|
3.2.1 车牌定位概述 |
36-37 |
|
3.2.2 基于特征统计的车牌定位 |
37-41 |
|
3.2.3 车牌定位实验 |
41 |
|
3.3 车牌字符分割算法 |
41-44 |
|
3.3.1 车牌号码组成 |
41-42 |
|
3.3.2 基于垂直投影的字符分割算法 |
42-43 |
|
3.3.3 车牌分割实验结果 |
43-44 |
|
3.4 车牌字符识别 |
44-47 |
|
3.4.1 字符识别概述 |
44 |
|
3.4.2 车牌字符的特点 |
44-45 |
|
3.4.3 字符识别流程 |
45-47 |
|
3.5 本章小结 |
47-48 |
|
第四章 基于神经网络的车牌字符识别 |
48-59 |
|
4.1 神经网络概述 |
48-49 |
|
4.2 BP神经网络 |
49-52 |
|
4.2.1 BP网络的设计问题 |
49-52 |
|
4.2.2 BP神经网络结构 |
52 |
|
4.3 BP神经网络在车牌字符识别中的应用 |
52-56 |
|
4.3.1 特征提取 |
53 |
|
4.3.2 网络设计 |
53-55 |
|
4.3.3 网络训练 |
55-56 |
|
4.3.4 算法改进 |
56 |
|
4.4 实验结果与分析 |
56-58 |
|
4.5 本章小结 |
58-59 |
|
第五章 小区车辆智能管理系统软件的设计与实现 |
59-71 |
|
5.1 VRAIMS软件的设计 |
59-63 |
|
5.1.1 系统开发环境 |
59-60 |
|
5.1.2 系统运行环境 |
60 |
|
5.1.3 功能模块设计和数据库设计 |
60-63 |
|
5.2 VRAIMS软件的实现 |
63-67 |
|
5.2.1 界面设计实现 |
63-64 |
|
5.2.2 截取车牌图像实现 |
64-65 |
|
5.2.3 自动识别的实现 |
65-66 |
|
5.2.4 车辆管理 |
66-67 |
|
5.3 系统使用说明 |
67-69 |
|
5.3.1 系统主界面 |
67-68 |
|
5.3.2 操作说明 |
68-69 |
|
5.4 本章小结 |
69-71 |
|
第六章 结束语 |
71-73 |
|
6.1 总结 |
71-72 |
|
6.2 展望 |
72-73 |
|
参考文献 |
73-77 |
|
致谢 |
77-78 |
|
攻读学位期间主要的研究成果 |
78 |
|
| 【DOI】 | LunWen.ID:2.2008.389071 |
