基于數(shù)字圖像處理技術的停車場管理系統(tǒng).pdf

1、隨著模式識別技術的日益發(fā)展，車牌識別技術(LPR)正逐漸走向成熟，并已最廣泛的應用到包括智能交通監(jiān)管、智能小區(qū)監(jiān)管、停車場計費等應用中。與此同時，基于這種全數(shù)字化智能系統(tǒng)的相關衍生與擴充也越來越受到人們的關注，使自動識別技術的發(fā)展擁有廣闊的前景。
　　車牌識別系統(tǒng)一般由車牌定位、字符分割和字符識別三部分組成。本文基于圖像處理和人工神經(jīng)網(wǎng)絡相關理論，對車牌識別過程中的車牌圖像預處理、車牌圖像定位提取和字符分割與識別等環(huán)節(jié)進行研究和分

2、析，并在MATLAB環(huán)境下進行了仿真實驗。
　　首先在圖像預處理過程中，利用中值濾波與最小均方濾波技術增強圖像質(zhì)量，然后采用OSTU算法進行二值化處理。得到的二值化圖像清晰可辨，為后文的處理打下了基礎。
　　其次在車牌提取階段，本文比較了幾種比較成熟的圖像分割算法后，根據(jù)特定的背景環(huán)境和圖像規(guī)格，并權衡了系統(tǒng)對計算量和識別率的要求，選擇將數(shù)學形態(tài)學算法與車牌特點相結合的方式作為車牌粗定位的算法。并且根據(jù)大量仿真實驗確定了相關

3、操作參數(shù)，實現(xiàn)了車牌區(qū)域的粗定位與提取。
　　再次，對提取的車牌圖像進行號碼分割與識別之前，本文采用了基于Radon變換圖像傾斜校正技術，在校正車牌圖像傾斜的同時去除了車牌圖像的邊框和冗余部分，實現(xiàn)了車牌的精定位。
　　最后在車牌號碼分割與識別階段，本文通過大量對比實驗，采用結合了模板匹配與車牌字符結構特征的算法，對車牌字符進行了分割提取，并使用基于BP人工神經(jīng)網(wǎng)絡算法完成了車牌號碼的識別。
　　實驗結果表明，本文算法