学位论文 > 优秀研究生学位论文题录展示

车牌照识别关键技术研究

作　者: 郑霞
导　师: 周明全
学　校: 西北大学
专　业: 计算机软件与理论
关键词: 车牌识别系统 车牌定位 字符分割 字符识别 模式识别 字符特征
分类号: TP391.4
类　型: 硕士论文
年　份: 2004年
下　载: 474次
引　用: 24次
阅　读: 论文下载
 

内容摘要


车牌照识别(LPR)系统的研制与开发，是现代化交通发展的热点问题，也是影响交通系统智能化、现代化的重要因素。 车牌照识别系统是一个实时的计算机视觉系统。车牌照识别系统研究涉及数字图像处理、计算机视觉、模式识别和人工智能等多个技术领域。本文的主要研究工作如下： 1．本文将图像分割技术应用于车牌定位中，提出了一种新的基于车牌颜色的定位方法，即通过丰富的投影信息和HSV颜色模型中的H分量来定位车牌。实验结果表明该算法对光照不均和复杂背景不敏感，能够快速、有效地提取出车牌。定位准确率超过98.5％。 2．字符分割是印刷体字符分割的一个特殊应用，是把车牌图像分成单个的字符图像，以便进行字符识别。在确定车牌的字符的上下边界时，本文提出了一种改进的扫描线算法，取得了很好的效果；利用全局分割和局部调整的技术实现单个字符的分割。 3．字符的识别是对车牌上的汉字、字母和数字进行理解的过程，是系统的核心。识别的关键在于分类器的选择与组织。针对车牌中的汉字，结合分割出的汉字图像的特点，提出了基于纹理特征的汉字识别方法。针对车牌的字母和数字，本文采用了两种识别方法，一种是新的基于多分类器集成的识别方法，其识别结果理想，识别率为98.6％；另一种是采用改进的BP神经网络，分别实现字母、数字、字母及数字的识别，识别结果较好，整体识别率为97.2％。 4．在上述研究的基础上，设计、实现了一个车牌照的实时识别系统。系统主要分为车牌定位、字符分割与字符识别三个部分，执行结果理想。该系统应于交通车辆违章视频监控系统中，使系统在对违章车辆的确认上更自动化，智能化。

全文目录


第一章 绪论  9-17
  1.1 课题的背景及意义  9-11
  1.2 机器视觉与模式识别概述  11-12
  1.3 国内外研究现状  12-14
  1.4 课题研究、开发的内容任务与目标  14-15
  1.5 论文的组织  15-17
第二章 车牌定位  17-32
  2.1 图像预处理  17-26
    2.1.1 图像的灰度校正  17-18
    2.1.2 图像滤波  18-20
    2.1.3 灰度图像的二值化  20-23
    2.1.4 图像的形态学处理  23-26
  2.2 车牌定位技术的研究  26-28
    2.2.1 车牌定位算法与车牌的特征  26-27
    2.2.2 一般的定位方法  27-28
  2.3 基于车牌颜色的定位方法  28-32
    2.3.1 颜色模型的转换  28-29
    2.3.2 车牌区域的确定  29-31
    2.3.3 实验结果及分析  31-32
第三章 车牌字符分割  32-42
  3.1 车牌方向的校正  32-33
  3.2 字符分割的基础  33-35
    3.2.1 行切分技术  33-34
    3.2.2 字切分技术  34-35
  3.3 车牌字符分割简介  35-36
    3.3.1 车牌字符串的特点  35
    3.3.2 车牌字符分割的一般算法  35-36
  3.4 本文的车牌字符分割  36-42
    3.4.1 改进的扫描线算法去除上下边界  36-39
    3.4.2 字符的分割  39-41
    3.4.3 实验结果及分析  41-42
第四章 字符识别概述及字符的预处理  42-51
  4.1 字符识别的原理和汉字识别的概况  42-46
    4.1.1 字符识别的原理  42-43
    4.1.2 汉字识别的概况  43-45
    4.1.3 车牌字符识别的特殊性  45-46
  4.2 字符的预处理  46-51
    4.2.1 平滑  46-48
    4.2.2 归一化  48-49
    4.2.3 细化  49-51
第五章 车牌字符识别的方法  51-74
  5.1 基于纹理特征的汉字识别  51-56
    5.1.1 常用的汉字识别方法  51-52
    5.1.2 纹理分析方法  52-54
    5.1.3 结合纹理特征的汉字识别  54-55
    5.1.4 实验结果及分析  55-56
  5.2 多分类器集成的数字、字母识别  56-62
    5.2.1 结构方法和统计方法  56-58
    5.2.2 多分类器集成识别  58-62
    5.2.3 实验结果及分析  62
  5.3 神经网络数字、字母识别  62-74
    5.3.1 神经网络模式识别的特点  62-64
    5.3.2 BP神经网络学习算法  64-69
    5.3.3 改进的BP神经网络  69-71
    5.3.4 实验结果及分析  71-74
第六章 总结与展望  74-76
  6.1 总结  74
  6.2 展望  74-76
参考文献  76-80
致谢  80-81
附录: 攻读硕士学位期间的研究成果  81

相似论文

  1. 基于流形学习的高维流场数据分类研究,V231.3
  2. 基于仿生模式识别的文本分类技术研究,TP391.1
  3. 基于图分割的文本提取方法研究,TP391.41
  4. 羊绒与羊毛纤维鉴别系统的研究,TS101.921
  5. 基于回波包络的超声波入侵探测在军队警戒巡逻中的应用,E919
  6. 车牌识别系统中车牌定位算法的研究,TP391.41
  7. 基于PowerPC架构的车牌识别算法研究,TP391.41
  8. 复杂背景下车牌定位的研究与设计,TP391.41
  9. 基于CNN的智能交通系统多车牌定位方法的研究,TP391.41
  10. 空间信息处理中基于模糊技术的数学模型的改进,O159
  11. 基于车牌识别技术的智能交通系统的设计与实现,TP391.41
  12. 基于API Hook技术的Bot检测方法的研究与实现,TP393.08
  13. 基于SVM的车牌字符识别算法研究与实现,TP391.41
  14. 基于广义动态模糊神经网络的肌电信号模式识别系统,TP183
  15. 表格手写内容识别系统的设计与实现,TP391.41
  16. PID参数自整定的研究与应用,TP273
  17. 河南省文化遗产价值指标体系研究,G122
  18. 一种基于梯度模板特征的车牌识别算法,TP391.41
  19. 动作表面肌电信号的非线性特性研究,TH772
  20. 基于与或图的车牌检测与识别,TP391.41
  21. 高速卡口车辆牌照检测与相关信息识别,TP391.41

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置
© 2012 www.xueweilunwen.com