学位论文 > 优秀研究生学位论文题录展示

车牌识别系统研究

作　者: 史莉琴
导　师: 王继成
学　校: 同济大学
专　业: 模式识别与智能系统
关键词: 牌照识别数字图像处理模式识别智能交通系统(ITS)
分类号: TP391.41
类　型: 硕士论文
年　份: 2006年
下　载: 607次
引　用: 8次
阅　读: 论文下载

内容摘要

随着国民经济的迅速发展,我国的汽车数量迅速增加。虽然我国政府在基础设施建设上加快了步伐,高级公路、停车场越来越多,但配套的道路、车辆管理系统却显得相对滞后,仍旧停留在以人工管理为主的水平上。科学、高效的利用好现有交通基础资源成为进一步挖掘我国城市交通能力的有效途径。交通信号自动控制系统、GPS车辆定位及导航系统、智能交通监控系统、智能小区管理系统等智能交通系统(Intelligent Transportations system(ITS))在交通管理中日益发挥重要作用。由于牌照是确定汽车的有效手段,因此,车辆牌照识别(License Plate Recognition(LPR))系统在智能交通管理中发挥着基础性的作用。近年来,电子器件性能和制造工艺的提高以及数字图像处理、模式识别理论的成熟为在道路交通管理中引入计算机提供了条件。针对当前道路交通管理的现状,研究了汽车牌照自动识别的问题,我设计了一个汽车牌照识别系统,初步实现系统中的关键模块。传统上该问题涉及两个方面:图像采集模块和图像处理模块。图像采集模块主要由硬件构成,寻觅采集图像的时候,实时拍照并将图像传送到图像处理模块。图像处理模块主要由软件实现,为了快速高效的开发出模块原型,该模块主要由Mat lab实现。该设计的主要工作集中在图像处理模块。该模块完成牌照定位和牌照识别的任务。在牌照定位中,我首先对图像进行了预处理,使得牌照信息突出;然后根据车牌区域频率变化的特点,用扫描线方法得出车牌区域的水平定位;再对分割出来的车牌图像所在的水平区域进行垂直投影,以该投影图为基础结合由经验所得到的车牌区域灰度变化的频率信息,再次借助水平扫描线来进行牌照的垂直定位,从而最终完成牌照的完整定位与分割;特征提取部分,我采用了13特征方法进行非汉字字符的有效信息提取;随后的识别部分,则采取了基于人工神经网络(ANN)的技术进行实现,通过有效设计训练网络,良好地建造了非汉字字符的识别系统。本文划分为八个章节。第一章作为绪论展开课题背景,简要介绍相关的图像处理知识与理论;第二章列出了本系统的模块和主要流程图,给读者一大概的纲要;第三章介绍图象处理模块中的预处理技术;第四章介绍系统中牌照定位模块;第五章为字符分割技术与归一化技术的介绍;第六章介绍特征提取相

全文目录

第1章综述  13-20
  1.1 车牌识别发展基本知识  13-17
    1.1.1 牌照识别所要解决的问题  13
    1.1.2 汽车牌照识别的发展过程  13-15
      1.1.2.1 图像处理技术阶段  13-14
      1.1.2.2 传统模式识别技术阶段  14
      1.1.2.3 人工神经网络技术阶段  14-15
    1.1.3 汽车牌照识别系统的构成  15-16
    1.1.4 我国汽车牌照识别的特点  16
    1.1.5 汽车牌照的规范  16-17
  1.2 Mat lab技术简介  17-18
  1.3 本文的主要工作  18-20
第2章系统实现架构  20-22
  2.1 系统模块划分  20
  2.2 系统流程图  20-22
第3章车牌图像预处理  22-37
  3.1 预处理的必要性  22
  3.2 转换为灰度图  22-23
  3.3 灰度均衡  23-28
    3.3.1 问题的引出  23
    3.3.2 图像增强常用方法的对比与选择  23-24
    3.3.3 利用直方图进行增强的原理  24-25
    3.3.4 灰度增强应用于本系统  25-28
  3.4 二值化  28-30
    3.4.1 方法的构造模式  28-29
    3.4.2 图像之间的差距度量  29-30
    3.4.3 阈值的选取  30
    3.4.4 算法采用结果  30
  3.5 倾斜角的纠正  30-37
    3.5.1 问题的引出  30-31
    3.5.2 常用倾斜角度检测方法比较  31-32
    3.5.3 边缘检测  32
    3.5.4 基于Hough变换的角度纠正原理  32-35
      3.5.4.1 Hough变换-角度检测  33-34
      3.5.4.2 旋转校正  34-35
    3.5.5 旋转方法在本系统中的实现  35-37
第4章牌照定位  37-41
  4.1 定位常用方法比较  37
  4.2 基于水平线搜索的汽车牌照水平定位  37-38
  4.3 汽车牌照的左右定位  38-41
第5章车牌分割与归一化  41-44
  5.1 车牌字符分割  41-43
  5.2 车牌图像的归一化  43-44
第6章特征提取  44-50
  6.1 特征提取必要性  44-45
  6.2 特征提取常用方法  45-49
    6.2.1 结构类特征提取  45-47
      6.2.1.1 基于骨架  45
      6.2.1.2 基于轮廓  45-46
      6.2.1.3 基于局部图像  46
      6.2.1.4 特征提取与识别的融合  46-47
    6.2.2 统计方法特征提取  47-49
      6.2.2.1 全局特征  47-48
      6.2.2.2 局部特征  48-49
  6.3 基于统计信息的13点特征提取法  49-50
第7章牌照识别  50-58
  7.1 牌照字符识别的常用方法介绍与比较  50-52
  7.2 人工神经网络运用于牌照识别  52-58
    7.2.1 神经网络的字符识别系统简介  52-53
    7.2.2 BP基本原理  53-54
    7.2.3 利用BP神经网络进行车牌字符识别  54-58
      7.2.3.1 网络的建造  54-56
      7.2.3.2 网络应用于识别  56-58
第8章实验结果与展望  58-61
  8.1 实验结果  58
  8.2 系统改进意见  58-59
  8.3 结论  59
  8.4 前景展望  59-61
致谢  61-62
参考文献  62-64
个人简历在读期间发表的学术论文与研究成果  64

车牌识别系统研究

内容摘要

全文目录

相似论文