欢迎来到天天文库
浏览记录
ID:34784582
大小:5.92 MB
页数:70页
时间:2019-03-10
《探索车牌字符识别关键技术研究及车牌识别系统实现》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、中山大学硕士学位论文车牌字符识别关键技术研究及车牌识别系统实现姓名:邓荣峰申请学位级别:硕士专业:交通信息工程及控制指导教师:李熙莹20090609中山大学硕士学位论文车牌字符识别关键技术研究及车牌识别系统实现专业:交通信息工程及控制硕士研究生:邓荣峰指导教师:李熙莹(副教授)摘要车牌识别技术是智能交通系统中的重要组成部分,它在违章抓拍、不停车收费、停车场管理以及对重要场所过往车辆的实时登记等方面都有重要的作用。论文从实际应用角度出发,针对高速公路以及城市道路等固定场景,对车牌识别系统中车牌倾斜校正、车牌图像二值化、字符识别等方面进行了系统的研究,论文的主要工作如下
2、:1、车牌的倾斜校正。在分析现有各种倾斜校正方法优缺点的基础之上,提出对传统Hough变换方法进行改进,增强倾角的检测精度,并引入“合理倾角’’的概念,对于检测出的角度不属于合理倾角的情况,通过线性拟合方法进行补充校正。2、对车牌进行二值化,正确区分字符与背景是对车牌内字符进行准确分割的前提。本文利用高斯拉普拉斯算子对车牌图像进行二值化,并通过区域生长法去除局部噪声影响。既避免了全局阈值方法在光照不均时造成的信息丢失,又很好地抑制了局部二值化方法产生的“伪影”。3、车牌字符识别。在回顾现有特征提取方法基础上,提出利用能够反映图像细节的网格特征,以及能够稳定反映图像全
3、局信息的Zemike矩作为字符识别的特征,利用最小距离分类器以及神经网络分类器对字符进行分组识别。在以上三个主要工作的基础上,结合车牌定位、车牌颜色判别、车牌字符分割,组成了自己的一整套车牌识别系统。通过对大量图片进行测试,结果表明本文所提的相关算法可靠性较高,整体识别系统具有较好的实用价值。关键词:车牌识别;倾斜校正;二值化;Zernike矩;神经网络车牌字符识别关键技术研究及车牌识别系统实现Title:LicensePlateCharacterRecognitionKeyTechniqueResearchandSystemImplementationMajor:
4、TrafficInformationEngineeringandControlName:DengRongfengSupervisor:LiXiying(assoeiateprofessor)AbsttactLicenseplaterecognitionsystemisaveryimportantpartofintelligenttrafficsystem,itplaysallimportantroleinelectronicpoliceman,electronictollcollectionsystem,parkinglotmanagement,andregistr
5、ationofvehiclesincertainregions.Thispaperfocusesonstationarysceneslikefreewaysandurbanroads,andproposessomepracticalsolutionstoskewcorrection,binarizationofimageandcharacterrecognition.AndthemaincontributionsofthispaperareaSfollows:Basedonthedetailanalysisofcurrentmethods,thispaperprop
6、osedanimprovementmethodofHoughtransformtoenhancetheprecisionofobliquitydetection.“Reasonableobliquity'’isintroduced,andiftheobliquitydetectedbyHoughtransformisn’tareasonableone,thenthelinearfittingmethodisinvitedtodetecttheobliquity.ThispaperusesLoGoperatortogetthebinaryimageofthelicen
7、seplate,andremovesthenoisewithregiongrowingmethod,avoidinglossoftheinformationundernon-uniformilluminationconditions,andrestrainingthenoisesbroughtbylocalbinarizationmethodfitswell.Afterreviewingcurrentfeatureextractionmethods,thispapertakes鲥dfeaturesandZemikemomentsascharacterfeatur
此文档下载收益归作者所有