基于神经网络的车牌识别技术研究

中北大学硕士学位论文基于神经网络的车牌识别技术研究姓名：双维申请学位级别：硕士专业：应用数学指导教师：白艳萍20090415基于神经网络的车牌识别技术研究作者：双维学位授予单位：中北大学相似文献(10条)1.学位论文王森基于神经网络的车牌识别技术研究2007车牌识别技术是智能交通(IntelligentTransportationSystem，ITS)系统的核心部分，智能交通系统应用领域广泛，涉及有：出入口车辆的管理、交通流量检测与控制、小区、停车场等物业管理、车辆安全防盗、查堵特定车辆等。随着社会对交通安全以及监控要求的提高，对车牌识别系统性能的要求也将越来越高。但由于现实世界的复杂性，图像拍摄环境、设备的多变性，加上车牌子符的倾斜、模糊、不完整等，车牌识别软件总存在识别率低的缺点。所以设计出识别率高、实时性强、出错少的车牌识别系统具有非常重要的现实意义。一般来说车牌识别系统由车牌定位、字符分割、字符识别三部分组成，车牌定位和字符识别是系统的关键技术。笔者重点对这两种关键技术进行了研究。本文提出了一种基于神经网络的车牌定位技术，利用神经网络分析二值图像中每个像素值为‘1’的8-连接对象，实现车牌粗定位，对粗定位后的结果进行HSV颜色空间、字符分布特征等分析，进一步筛选粗定位结果，精确定位出车牌字符，进而将车牌的区域定位出来。对于字符识别的关键技术——特征提取，本文应用多种特征提取方法，涉及统计特征和结构特征，主要有：基于小波分析的特征提取、灰度特征提取、笔画纹理特征提取、外围轮廓特征提取。字符识别采用集成神经网络分类器，对待汉字和字母数字分别采用了两个集成系统加以识别。集成方式采用并行投票系统，这样使得每个网络具有错误独立性的优点，提高了集成系统的整体识别成功率。实验结果显示：本文的车牌识别算法是一种行之有效的算法，与其他基于神经网络的算法相比较具有速度快、准确率高的优点，完全可以满足实际的应用需求。2.学位论文文秀琼一种基于RBF神经网络的车牌识别技术的研究2007车牌识别是实现交通智能化的核心技术之一，在智能交通系统领域有着重要的应用价值，车牌识别技术的运用，将大大改善公路交通运行和管理的效率。车牌自动识别系统一般包括车牌定位、字符分割和字符识别三个部分。车牌定位是车牌识别系统处理的第一步，定位的准确与否直接关系着车牌识别的成败。本文中先对图像进行预处理，然后进行数学形态学操作，得到若干个候选区域，最后根据车牌的特征选取真正的车牌区域。车牌字符的切分效果直接影响到字符识别，在字符切分之前先进行倾斜校正及二值化的处理，然后采用基于先验知识的行扫描法对车牌进行去除边框、铆钉的预处理。在切分方面本文采用了一种利用垂直投影信息结合先验知识约束的垂直分割方法，并对算法进行了改进，有效地提高了字符切分的准确性。车牌的字符识别是整个车牌识别系统的核心部分，本文采用RBF神经网络模式识别技术作为识别的方法，构造了3个子网络进行车牌字符的识别，并采用一种改进的训练方法，有效的提高了RBF神经网络的识别性能。实验结果表明，本系统能较准确定位、分割车牌并进行识别，系统的性能良好。从中可看出：多种预处理与识别技术有机结合能提高系统识别能力。3.学位论文马月涛基于图像处理与神经网络的车牌识别技术的研究2007随着我国经济的发展、汽车拥有量的急剧增加，公路交通成为我国重要的交通运输途径，是国家大力发展的基础设施，而传统的人工管理方式已越来越不能满足实际工作的需要，日益拥堵的城市交通需要用更先进、更有效的交通管理、控制。以计算机图像处理技术，通信技术为核心的智能化道路交通监控和管理系统ITS己成为当前交通管理发展的主要方向。车辆牌照的自动识别LPR是计算机视觉与模式识别技术在智能交通领域应用的重要研究课题之一，也是智能交通中关键技术之一。本文应用图像处理技术、车牌定位技术、车牌分割技术、字符特征提取方法、神经网络识别技术等来解决车辆牌照识别问题，首先将图像进行灰度化、灰度拉伸、中值滤波的预处理方法，很好地消除了图像的噪音，强化了纵向纹理区；通过对车牌特征和定位技术的深入研究，提出了基于水平扫描和垂直投影法的车牌定位方法，能够很准确地搜索到车牌区域；基于车辆牌照的一些结构特点及先验知识，完成了基于投影直方图的车牌字符分割域；最后对神经网络的构成以及相关的理论进行了讨论，着重分析了神经网络的理论原理和在字符识别中的应用方法。由实验所得的结果，本系统能较准确定位、分割车牌并进行识别，系统的性能良好。从中可看出：多种预处理与识别技术有机结合能提高系统识别能力，在有效、实用的原则下将神经网络与人工智能技术相结合将成为模式识别研究的两个重要发展趋势。4.学位论文钟余基于神经网络的车牌识别技术的研究与应用2007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，高等级公路、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。由于牌照是确定汽车的有效手段，因此，车辆牌照识别(LicensePlateRecognition(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。车辆牌照识别(LPR)作为一个综合的实时计算机视觉系统主要包括牌照定位分割和牌照识别两个部分。它的研究主要涉及到了模式识别、人工智能、计算机视觉、数字图像处理等众多学科领域。车牌的定位分割更是该系统的关键之一，由于图像场景的复杂性以及车牌位置和图像质量的不可预知性，牌照定位分割系统一直都未做到令人满意，所以牌照的定位分割算法一直是该领域的研究热点。本论文的研究重点主要包括牌照的定位、牌照中字符的分割和字符识别三部分，通过对图像处理和分析技术的综合运用以及对问题本身特点的详细考察，最终实现了基于边缘特征和形态学分析的牌照定位算法。首先用边缘检测算子提取边缘信息并进行二值化处理，其次对其进行水平投影确定水平位置，然后再用形态学将车牌连成一个连通的区域，最后再进行垂直投影就得到了车牌的位置。另外，本文还对拓扑特征识别方法和神经网络识别方法进行了研究。拓扑特征识别方法原理简单、速度快，无须进行校正；神经网络识别方法容错能力强，但算法复杂。由试验所得的结果，本系统能较准确定位、分割车牌并进行识别，系统的性能良好。从中可看出：多种预处理与识别技术有机结合能提高系统识别能力，在有效、实用的原则下将神经网络与人工智能技术相结合将成为模式识别研究的两个重要发展趋势。5.学位论文陈亮基于神经网络的车牌识别技术的研究2008车牌识别系统是现代智能交通系统的重要组成部分，在智能交通管理、治安检查中有着十分广阔的应用前景，是目前国内外研究的热点。本文对车牌识别系统中图像预处理、车牌定位、车牌图像二值化、字符分割、字符识别5个关键环节进行了分析研究，具体如下：(1)图像的预处理：分析了传统的灰度拉伸变换和图像直方图均衡法，针对全局图像增强算法存在噪声过增强的问题，提出了基于分块思想的局部图像增强算法。该算法只对车牌相似区域进行局部增强，可以对车牌区域的图像进行有效地增强，且引入的背景噪声较少，特别适合需要局部增强的低对比度车辆图像的处理。(2)车牌的定位：针对复杂背景下的彩色图像中车牌定位精度低的问题，提出一种基于字符边缘检测和颜色特征的车牌定位方法。根据图像中车牌区域含有丰富的边缘，首先进行垂直边缘检测，然后去除大量背景和噪声边缘，接着通过对垂直边缘的统计分析确定2个候选区，再结合车牌的颜色特征确定最终的车牌图像区域。该方法具有准确率高，鲁棒性好的特点。(3)车牌图像二值化：针对车牌字符光照的复杂特征，提出一种改进背景补偿的车牌图像二值化算法。首先使用同态滤波增强车牌图像从而减弱光照不均等带来的影响，然后使用改进的背景补偿算法对车牌图像进行二值化。该方法能有效地克服光照不均等带来的影响，二值化效果良好。(4)字符的分割：针对定位后车牌区域的噪声影响以及存在不可避免的某种程度的倾斜，提出了基于字符特征的车牌倾斜矫正算法直接对二值车牌图像进行矫正，然后采用基于垂直投影和车牌先验知识的字符分割方法从矫正后的车牌图像中分割出单个字符。该方法可以有效地解决字符分割时出现的断裂、粘连和几何失真等问题，分割效果好。(5)字符的识别：根据国内车牌字符的特殊性，采用一种特征提取与BP神经网络算法相结合的分类识别技术。选取字符的粗网格特征作为字符的识别特征，以改进后的粗网格特征输入到BP神经网络分类器中进行车牌字符识别研究。针对易混淆的字符设计神经网络细分类器，进一步提取突出相似字符差别的局部细微差异特征;针对汉字笔划粘连等现象，在标准样本的基础上,为结构复杂、笔划紧密的省份汉字适当增加典型笔划粘连样本到汉字网络的训练样本中.该法能有效地提高字符正确识别率。对上述算法进行了仿真实验，结果表明其算法定位准确，识别率高，具有较高的实用价值。6.学位论文李艳洪基于小波和神经网络的车牌识别技术的研究2006本论文以智能交通、电子警察系统为背景，在其实现的关键技术——车牌识别进行研究的基础上，提出了一种基于小波分析的快速车牌定位算法，通过Mallat算法分解出的高频图像经过后继处理即可快速定位车牌。同时，将EMD、PCA和改进BP神经网络应用于车牌字符识别，克服了传统算法训练速度慢，容易陷入局部最小等缺点。最后，使用VC6.0编写了仿真和测试程序，使用动态链接库技术具体实现了改进的车牌识别算法。在实际的工程测试中表明，所研究的改进的车牌识别算法在保证系统运行的实时性和可靠性的前提下，能够比较快速、准确的实现车辆牌照自动识别。7.学位论文叶锋基于神经网络的综合集成车牌识别技术的研究及其应用2002该文选择神经网络模式识别技术作为识别的方法,以车牌定符作为识别对象,进一步研究在干扰情况下的车牌识别问题,以提高车牌识别系统的整体识别能力.论文涉及了以下工作:1、对文本图像二值化进行了研究,提出了一种基于SOFM(自组织特征映射网)网络的灰度图像二值化方法和彩色图像二值化方法.2、选取了粗网格特征和方向线素特征作为字符的识别特征,并对粗网格特进行了改进,同时对SOFM训练算法进行了优化.采用这种优化的算法,对分别使用上面两种特征作为输入的SOFM单一分类器进行数字、字母和省份汉字的识别研究.3、对多特征输入、多神经网络集成的字符识别方法进行了研究,将Bp网络分类器与SOFM网络分类器相结合构造了一种综合集成的多网络分类器.4、在理论研究的基础上,该文采用VisualC++6.0编程语言对相应的算法进行了实现,构造了一个车牌识别系统软件平台.该文研究表明:采用多特征输入的综合集成网络分类器与单一分类器相比,可以有效地提高系统的抗干扰性和识别率,同时该文的综合集成识别方法对一般带有噪声干扰的车牌字符识别系统的设计有一定的参考、借鉴价值.8.学位论文苏雷车牌识别技术在电子警察系统中的应用研究2009随着交通管理智能化的发展，电子警察系统的研究与建设越来越受到国家的高度重视。车牌识别系统作为电子警察系统的核心组成部分，直接影响到电子警察系统的产品质量和工作效率。本文讨论了车牌识别系统中车牌定位、车牌字符分割、车牌字符识别等方面的相关算法及实现。在车牌定位过程中，本文采用了基于行扫描的车牌定位来确定车牌的水平上下边界，采用基于垂直投影的车牌定位法寻找车牌的垂直左右边界，从而定位出车牌区域；在字符分割的过程中，本文采用车牌字符垂直投影法，获得车牌字符的垂直投影，结合车牌字符的尺寸、位置等先验知识将车牌字符分割出来。在车牌字符识别方面，讨论了人工神经网络和BP神经网络的基本原理，针对目前国内各城市陆续开放使用自定义车牌号，车牌序号中的数字字母组合不再有次序关系可遵循这一特点，设计了汉字网络，字母数字网络2个子网络来进行车牌字符的识别。采用了行列每隔3个像素提取一个特征点的方法，对归一化图像进行特征