学位论文 > 优秀研究生学位论文题录展示

基于CNN的智能交通系统多车牌定位方法的研究

作　者: 谢康
导　师: 王英
学　校: 青岛大学
专　业: 信号与信息处理
关键词: 多车牌定位细胞神经网络颜色量化分割色码模板长宽定比蒙板
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 23次
引　用: 0次
阅　读: 论文下载

内容摘要

车牌识别技术是智能交通系统的重要组成部分之一,已有效的应用于很多方面。车牌定位是车牌识别技术的重要环节。但是,目前较为成熟的车牌定位方法,多是针对单一车牌图像,对多目标、多类型的多车牌情况研究还不够成熟。因此,研发多车牌定位识别系统具有重要意义及应用价值。针对这一研究背景,在广泛阅读国内外文献,比较和借鉴现有车牌定位方法的基础上,结合对海信网络科技股份有限公司“电子警察”项目的实地调研,充分利用车牌的颜色、纹理等多重特征,对多目标、多类型的多车牌定位进行了较深入的研究,提出一种基于细胞神经网络(CNN)、融合彩色特征的多车牌定位新方法。首先,引入细胞神经网络于图像边缘提取过程,构建了新的车牌识别的边缘提取算法。实验结果表明,利用CNN能够提取各方向的边缘,且在其它经典边缘检测算子失效时,CNN仍可成功奏效。CNN硬件电路结构简单,运行速度比DSP芯片快103倍,比其它模拟软件快106倍,且可实现图像并行处理。CNN的加入可以大大提高多车牌识别系统的实时性。其次,利用HSI颜色模型,通过颜色量化构造色码模板,与通过数学形态学处理获得的符合车牌长宽定比的蒙板联合,最终确定真实车牌区域。与单一车牌长宽定比判断法相比,可靠性和准确性得到很大提高。最后,在字符分割、识别过程中,利用双线性插值法、投影和模板匹配相结合,进行字符分割、字符识别,进而完成整个车牌识别过程。通过对多种真实场景图片进行大量实验,如不同时间和光照下,含有不同类型车牌,背景较为复杂,车牌车身颜色相近等,实验结果表明,本文研究的“基于细胞神经网络(CNN)、融合彩色特征的多车牌定位新方法”能够有效定位,定位速度快,可靠性高,对于研发多车牌识别系统具有一定的理论意义和实际应用价值。

全文目录

摘要  2-3
Abstract  3-6
第1章绪论  6-15
  1.1 研究的目的和意义  6-8
  1.2 国内外研究动态  8-10
  1.3 我国车牌的特征  10-12
  1.4 车牌识别常见算法  12-13
  1.5 车牌识别系统中的难点  13-15
第2章基于CNN的图像边缘提取算法  15-25
  2.1 细胞神经网络综述  15-18
  2.2 细胞神经网络提取灰度图像边缘  18-25
    2.2.1 分析动态过程  18-20
    2.2.2 细胞神经网络参数设计  20-21
    2.2.3 实验结果及分析  21-25
第3章车牌定位  25-48
  3.1 灰度化  25-26
  3.2 多阈值量化分割  26-31
    3.2.1 颜色模型  26-29
    3.2.2 颜色分割  29-31
  3.3 边缘检测  31-36
  3.4 图像膨胀  36-39
  3.5 提取候选区域  39-43
    3.5.1 一次候选区域粗定位  39-41
    3.5.2 提取出一次候选区域  41
    3.5.3 提取二次候选区域及真实性验证  41-43
  3.6 仿真结果分析  43-48
第4章车牌字符分割与识别  48-60
  4.1 车牌字符分割算法  48-54
    4.1.1 现有的字符分割算法  48
    4.1.2 双线性插值法放大车牌区域  48-50
    4.1.3 灰度自适应法车牌图像二值化  50-52
    4.1.4 基于投影和模板匹配相结合的字符分隔算法  52-54
      4.1.4.1 制作分割模板  52-53
      4.1.4.2 模板匹配  53-54
  4.2 基于模板匹配法字符识别  54-60
    4.2.1 现有的字符识别算法  54
    4.2.2 基于模板匹配法字符识别  54-60
      4.2.1.1 制作模板  56
      4.2.2.2 字符识别  56-60
第5章总结与展望  60-61
参考文献  61-63
攻读学位期间的研究成果  63-64
致谢  64-65

基于CNN的智能交通系统多车牌定位方法的研究

内容摘要

全文目录

相似论文