基于圖像處理及BP神經(jīng)網(wǎng)絡(luò)的車(chē)牌識(shí)別技術(shù)的研究.pdf

1、車(chē)牌識(shí)別系統(tǒng)(LPR)在智能交通系統(tǒng)中占有非常重要的地位。同時(shí),在智能交通領(lǐng)域的應(yīng)用中,有很多基于圖像處理、模式識(shí)別及機(jī)器視覺(jué)技術(shù)的研究課題,而其中重點(diǎn)之一即是車(chē)牌的自動(dòng)識(shí)別,其主要包括車(chē)牌定位、傾斜矯正、字符分割及字符識(shí)別等四個(gè)部分。
　　 目前,車(chē)牌定位算法有很多種,且大部分都基于一定的理論知識(shí)體系,主要為:圖像彩色信息、紋理分析、邊緣檢測(cè)、數(shù)學(xué)形態(tài)學(xué)、遺傳學(xué)及神經(jīng)網(wǎng)絡(luò),等等。車(chē)牌傾斜矯正主要有以下幾種方法:基于幾何與紋理分

2、析的方法、基于Hough直線檢測(cè)的方法及基于邊緣檢測(cè)的方法等。車(chē)牌字符分割主要有以下幾種方法:基于紋理和投影特征的方法、基于SVM(支持向量機(jī))的聚類(lèi)方法、基于區(qū)域生長(zhǎng)的分割算法及基于先驗(yàn)知識(shí)的馬爾可夫模型分割算法等。車(chē)牌字符識(shí)別主要有以下幾種方法:模式匹配法、特征分類(lèi)法及基于神經(jīng)網(wǎng)絡(luò)的分類(lèi)方法等。
　　 充分考慮到汽車(chē)牌照在實(shí)際拍攝中往往存在著噪聲污染、畸變扭曲、字符斷裂、光照不均、車(chē)牌尺寸顏色多樣化等不良因素,并在參考前人研

3、究并綜合考慮各種算法的優(yōu)缺點(diǎn)的基礎(chǔ)上,本論文提出了一套改進(jìn)型車(chē)牌識(shí)別算法。在車(chē)牌定位部分,利用車(chē)牌紋理特征、投影特征及形狀特征(長(zhǎng)寬比)等有效信息,并應(yīng)用Sobely方向邊緣檢測(cè)、一階水平差分、曲線平滑、波峰波谷檢測(cè)法及波峰區(qū)域合并法,快速準(zhǔn)確地實(shí)現(xiàn)車(chē)牌定位。在傾斜矯正部分,利用車(chē)牌字符的紋理分布特征,避免了車(chē)牌邊緣被污染或不存在的影響及Hough直線檢測(cè)復(fù)雜運(yùn)算。在字符分割部分,在充分利用車(chē)牌字符的紋理特征、面積分布特征及形狀特征(長(zhǎng)

4、寬比)等先驗(yàn)知識(shí)的前提下,結(jié)合投影特征和連通域特征來(lái)實(shí)現(xiàn)字符分割。在字符識(shí)別部分,采用了基于BP(反向傳播)神經(jīng)網(wǎng)絡(luò)的字符識(shí)別方法。同時(shí),整個(gè)算法處理過(guò)程還應(yīng)用到灰度變換、Otsu(最大類(lèi)間方差法)自適應(yīng)閾值二值化、圖像濾波、邊緣檢測(cè)等。
　　 本文首先介紹了車(chē)牌識(shí)別技術(shù)的研究背景及研究現(xiàn)狀,并闡述了本文的主要研究?jī)?nèi)容、創(chuàng)新點(diǎn)及論文組織結(jié)構(gòu)。其次介紹了一些本文應(yīng)用到的相關(guān)知識(shí)及系統(tǒng)理論,包括數(shù)字圖像處理的基礎(chǔ)知識(shí)及其在相關(guān)方面的