欢迎来到天天文库
浏览记录
ID:34784554
大小:2.29 MB
页数:61页
时间:2019-03-10
《探索车牌字符识别技术研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、东南大学硕士学位论文车牌字符识别技术研究姓名:魏运申请学位级别:硕士专业:交通信息工程及控制指导教师:黄卫20080104摘要车牌自动识别系统是现代智能交通管理的重要组成部分,它是计算机视觉与模式识别技术在智能交通领域的重要应用,可用于各类车辆管理、不停车电子收费、电子警察等多种场合,应用前景广泛,因此研究车牌识别技术并开发应用系统具有重要的理论价值和现实意义。本文在车牌图像预处理、字符识别和系统集成等几个方面进行了研究,主要解决了下面几个方面的问题。在预处理方面,针对实际系统的需要,对车牌图像进行
2、各种处理.特别在图像增强和二值化方面应用了模糊理论,实现了车牌图像动态阈值的模糊增强,以及具有良好特性的字符二值化处理。预处理算法对噪声和变形等非理想情况具有一定的鲁棒性。在字符识别方面,将汉字字符同数字和字母分开识别。针对汉字结构复杂的特点,采用两步识别算法,首先将字符粗分为3个子类,从而减少了待识别模式的搜索空间,然后单独提取每个子类的粗网格特征,应用BP网络进行细分类;数字和字母的结构相对简单,本文提出一种应用复原技术的识别算法,应用Hopfield网络将待识别字符先复原为网络存储的标准模式,
3、基于这种标准模式提取组合特征,并设计BP网络分类器,其识别效果良好。在理论研究的基础上,本文通过.MATLAB编程实现了相关功能模块,构造了车牌识别系统软件平台,并利用该平台对上述方法进行了实验。实验结果表明,本系统性能良好,能实现较准确的车牌定位、分割和识别,对实际产品的开发设计具有一定的参考、借鉴价值。关键词:车牌识别,图像预处理,BP网络,特征提取,分类器,字符复原AbstractLiceriseplaterecognitionsvstemisoneoftheimportantportions
4、inIntelligentTransportationManagement.whichisansignificantapplicationinIntelligentTransportationSystemsforthecomputervisionandpatternrecognitiontechnology,iteenbeenusedindiversifiedVehicleManagementSystems、ETC、ElectronPoliceAgentandmultifuldothersituat
5、ions.Theforegroundofapplicationisverycomprehensive.ThestudyLicenseplaterecognitiontechnologyandthedevelopmentofapplicationsystemshaveimportanttheoreticalvalueandpracticalsignificance.severalaspectswhichareimagepreprocessmg.characterrecognitionandsystem
6、mtegrationwereresearchedinthispaper.Severalproblemsweresolvedbytheresearches.Inpreprocessing,licenseplatewastreatedaccordingtothepracticalneeds.Particularly,fuzzytheorywasusedinimageenhancementandbinarization,whichrealizedfuzzyenhancementbasedondetermi
7、ningthresholdvaluedynamicallyandcharacterbinarizationwithgoodproperties.Thepreprocessingalgorithmshadcertainrobustnessfornoisesanddistortion.Incharacterrecognition,Chinesecharactersweredetachedfromarabicnumeralsandalphabets,alltwo-st印algorithmswasprese
8、ntedaccordingtothecomplexs仇lcnlr嚣ofChinesecharacters.Thecharactersweredividedintothreesubclassfirstly,whichreducedsearchst,aceofuoknownpatterns.thencoarsegridsfeaturewasextractedandBPneuralnetworkswereusedindisaggregatedclassification.S
此文档下载收益归作者所有