基于模糊理論的車牌圖像分割與識(shí)別系統(tǒng)研究.pdf

1、車牌識(shí)別(LPR)是計(jì)算機(jī)視覺(jué)和模式識(shí)別在智能交通領(lǐng)域的重要應(yīng)用，是實(shí)現(xiàn)智能交通運(yùn)輸系統(tǒng)的核心技術(shù)之一。本文通過(guò)分析車牌識(shí)別的國(guó)內(nèi)外發(fā)展?fàn)顩r及趨勢(shì)，總結(jié)了目前車牌識(shí)別存在的一些不足和需要改進(jìn)的方面，設(shè)計(jì)了基于模糊理論的車牌圖像分割與識(shí)別系統(tǒng)。 首先，本文通過(guò)分析模糊閾值分割算法以及車牌分割與識(shí)別的關(guān)鍵技術(shù)，提出了本文的研究方案；然后針對(duì)傳統(tǒng)車牌識(shí)別系統(tǒng)受獲取條件影響較大的車牌圖像分割問(wèn)題，提出了改進(jìn)的基于模糊閾值的車牌圖像分割算

2、法，并通過(guò)大量的車牌圖像分割實(shí)驗(yàn)證明了本算法很好的解決了低質(zhì)量車牌圖像的分割問(wèn)題，分割效果能夠滿足車牌識(shí)別系統(tǒng)對(duì)于車牌圖像分割的要求；最后本文提出了基于粗網(wǎng)格特征和投影特征的組合特征提取方法進(jìn)行車牌字符的特征提取，并建立了基于BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行車牌的字符分類識(shí)別。 識(shí)別實(shí)驗(yàn)結(jié)果表明本文建立的車牌字符識(shí)別系統(tǒng)的識(shí)別性能良好，漢字字符識(shí)別率達(dá)到96％以上，字母和數(shù)字字符平均識(shí)別率達(dá)到98％以上，算法具有優(yōu)良的魯棒性和