搜索
西安电子科技大学硕士学位论文Matlab环境下基于神经网络的车牌识别姓名：周科伟申请学位级别：硕士专业：交通信息工程及控制指导教师：张向东20090101Matlab环境下基于神经网络的车牌识别作者：周科伟学位授予单位：西安电子科技大学相似文献(10条)1.学位论文周亮基于神经网络的车牌识别算法研究2007随着城市交通管理现代化水平的提高，建立在车辆牌照识别基础上的交通信号白适应控制系统、智能交通监控系统、GPS车辆管理及导航系统、停车场自动收费系统、智能化交通管理系统应用而生。由于汽车牌照是机动车辆管理的主要标志符号之一，因此对车辆牌照识别系统的研究就尤为重要，该研究的核心是提高车牌识别率，这就需要识别算法能够对环境光照条件，拍摄位置和车辆行驶速度等因素的影响有较大的鲁棒性，并能够满足实时性的要求。本文设计的主要研究内容包括：运用仿真软件对后台图像进行高速，准确的处理。主要工作是对牌照的定位、分割和牌照的字符识别算法方面进行了深入地研究。在牌照的定位之前，本文首先运用不同于当下传统的方法，而是结合当前比较热门的神经网络来对图像进行预处理，得到了比较突出的牌照信息。然后结合牌照自身的一些固有特征，用形态学的方法进行了车牌区域的准确定位；对定位得到的车牌，再次结合牌照内部细节特征，对车牌进行投影，从而得到了车牌较为完整的分割；最后在车牌字符识别阶段，以现今比较流行的神经网络为理论基础，有效的设计出一个改进的神经网络识别算法。仿真结果表明采用本文提出的从车牌定位、分割到最后字符识别的算法能够有效地提高车牌识别率。本文研究内容的创新性体现在以下三个方面：(1)车牌定位阶段，采用一个改进的自适应PCNN神经网络对图像进行预处理可以得到一个细节丰富，边缘完整的二值图像，随后基于牌照固有特征，结合一种新的形态学方法，可以得到多个车牌候选区域；(2)车牌字符分割阶段，为了满足算法实时性的要求，对畸变车牌进行预处理时，采用字符的行特征来描述本文的倾斜校正算法，之后，基于改进的投影特征图对字符图像分割；(3)字符识别阶段，为了提高算法的识别率，采用改进的BP神经网络。仿真结果表明，通过对算法进行一系列的创新和改进，可以使识别算法的速度加快，识别率得到提高，效果比较理想。2.期刊论文郭招球.赵跃龙.GUOZhao-qiu.ZHAOYue-long小波变换和神经网络在车牌识别中的应用-信息技术2005,29(11)介绍了车牌识别的背景、意义和一般实现过程,阐述了小波变换和神经网络的基本理论,详细地分析和论述了小波变换和神经网络在车牌识别四个核心阶段(即图像预处理、车牌定位、字符分割和字符识别)中的应用,最后总结并对两者在车牌识别技术中的应用前景进行了展望.3.学位论文王涛基于小波变换和神经网络的车牌识别算法研究2007车牌识别(LicensePlateRecognition，LPR)是智能交通系统(IntelligentTransportSystem，ITS)的一个重要组成部分，该系统综合了计算机视觉技术和模式识别技术，在桥梁路口自动收费、停车场无人管理和路间车辆通信，对肇事车辆、被盗车辆、犯罪车辆进行辨别和拦截等起着重要的作用。本文研究的主要内容如下：图像预处理：通过分析传统图像预处理的方法，如直方图均衡、高通滤波，发现这些图像增强方法都存在着不足，如噪音放大，有时可能引入新的噪声结构等。针对这些方法的不足，本文采用了基于小波变换的数字图像增强方法，这种算法利用小波变换获得图像多分辨率梯度信息，通过修改图像在不同分辨率尺度下的梯度信息系数，提高了图像的对比度。车牌定位：本文针对不同背景和光照条件下的车辆图像，提出一种基于改进Sobel算子的车牌定位算法，首先对已经通过预处理的车牌图像使用改进的Sobel算子进行运算，然后使用迭代求图像最佳分割阈值的算法二值化车牌图像，最后结合水平投影和垂直投影算法对候选区域分析锁定车牌位置。字符分割：针对定位后车牌区域的噪声影响以及一些不可避免的定位误差问题，本文采用了一种基于小波去噪和垂直投影相结合的字符分割算法，首先利用小波去除噪声，然后运用垂直投影技术进行字符分割，得到了单个数字、字母和汉字图像，最后进行归一化处理。字符识别：采用改进的BP神经网络模式识别方法，以车牌字符作为识别对象，研究在干扰情况下的车牌识别问题，得到了较好的识别效果。4.学位论文赵先军基于神经网络的车牌识别技术研究2005车辆牌照自动识别系统是现代智能交通管理的重要组成部分,可用于各级各类车辆管理场所.与传统的车辆管理方法相比,它大大地提高了管理效率与水平,节省了人力、物力,实现了车辆管理的科学化、规范化,对交通治安起到了一定的保障作用,因此有着广泛的应用前景.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模块.本论文是基于图像处理的相关理论,将计算机视觉与模式识别技术相结合,对车辆牌照识别系统进行了较深入的研究和分析.第一章论述了汽车牌照识别的主要几种应用技术和现阶段的发展动向.在第二章中,对图像处理的常用技术进行了简要的介绍.第三章简单介绍了常用车牌定位技术,采用了一种基于边缘统计的车牌定位算法.第四章对图像分割的各种方法及特点进行了讨论,实现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.第五章分析了字符识别中特征量的提取方法,并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,最后用神经网络的方法对所得字符进行识别.介绍了车牌识别系统软件设计的实现方法和实验结果.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.5.期刊论文陈颖.赵绪彬.何平.李培霖基于改进的BP神经网络的车牌识别研究-中国水运（下半月）2008,8(10)车牌识别作为目标自动识别技术之一应用非常广泛,本文研究了字符特征提取方法,利用神经网络的方法构建一种改进的BP神经识别网络,最后此基础上对识别系统进行了改进优化,实验结果表明系统具有良好的鲁棒性,系统满足实时车牌识别的要求.6.期刊论文石伟.孙永荣BP神经网络在车牌识别技术中的应用-工业控制计算机2010,23(4)车牌识别系统作为智能交通系统的重要部分,对车辆定位、交通流量的监控具有重要的意义.在车牌识别系统中,利用BP神经网络对车牌进行识别得到广泛的应用,如何提高车牌识别的准确率是车牌识别系统最根本的问题.在多路监控系统中,所采集的车牌图像大小比较小,严重影响了车牌的识别率.采用优化的BP神经网络结构以及根据环境差异进行识别的方法,对车牌识别进行研究,研究实现了对较小的车牌进行准确的识别.7.学位论文雷静基于图像处理和神经网络的车牌识别系统研究2009车牌识别系统（LPR）是智能交通系统（ITS）的核心组成部分，在现代交通收费管理系统中发挥着举足轻重的作用。近年来，对车牌识别系统的研究已经成为一个热点问题。论文首先分析车牌识别系统技术的研究现状，对系统中的图像预处理、车牌定位、字符分割和识别四大重点模块进行全面论述；对字符识别技术进行深入研究，设计并实现了车牌识别系统。为了提高系统的识别率和鲁棒性，仔细分析四个模块设计中的重点和难点，并提出解决方案。在预处理模块设计中，本文结合多种图像处理技术，采用模糊c均值二值化、形态学滤波和Sobel算子边缘检测等预处理算法。比较研究了基于特征统计、改进Sobel算子边缘检测、粒子图像相关法的车牌定位方法，并通过实验证明粒子图像相关法是设计本系统的最佳优化方案。在车牌的字符分割模块中，提出一种基于多尺度模板匹配的分割算法，利用尺度变换的方法找到车牌区域全局最优模板匹配信息，结合Hough变换达到更好的分割效果；为有效剔除字符图像中的噪声区域，结合预处理阶段最大连通域的边界均值方法来解决，使得此算法具有很好的鲁棒性。参照目前的研究现状重点分析BP神经网络，提出一套附加动量法改进BP算法的设计方案，通过对比实验，验证了改进算法方案的有效性。实验证明，本文所采用的方法能达到较好的识别效果，具有一定的高效性、鲁棒性和实时性。8.期刊论文宓浩.张燕平.MIHao.ZHANGYan-ping基于特征投影和交叉覆盖神经网络的车牌识别-计算机技术与发展2007,17(10)汽车牌照的自动识别在智能交通系统中占有重要地位,应用前景广阔.在自动识别过程中,牌照中的数字和汉字具有数量少和字体特征固定的特点,故其投影特征明显,利用此性质可以对车牌汉字进行快速分类,但精度不高.神经网络分类准确,且有很强的鲁棒性,但运算量大,识别时间太长且数据不易收敛.文中提出的基于投影和交叉覆盖神经网络的车牌识别方法充分融合利用了两者的优点,克服了各自的不足,达到了较好的结果.9.学位论文王海姣颜色信息在车牌识别中的应用研究2008随着现代高科技的发展及交通事业的需求，智能交通系统已成为人们关注的热点问题。车牌识别系统作为智能交通系统的重要组成部分，在桥梁路口自动收费、停车场无人管理、违章车辆自动记录等领域都有着广泛的应用，它的实现具有巨大的经济价值和现实意义。车牌识别系统作为一个综合的实时的计算机视觉系统，其核心技术主要包括车牌定位、字符分割和字符识别三个部分。现有的车牌识别技术多数基于灰度图像特征，而颜色作为车牌特征中的重要信息，却没有得到充分的利用。本文主要针对车牌识别技术中颜色信息的应用进行研究。在分析了国内外研究现状的基础上，本文主要完成了以下四方面工作：研究了车牌识别技术中可利用的颜色信息。提出了基于DOG模型和颜色聚类的车牌定位算法。首先根据人眼的视觉野结构，利用DOG模型进行车牌灰度图像的边缘检测；再对该图像进行中值滤波和形态学运算，通过车牌的几何和结构特征对车牌进行粗定位；当利用字符和笔画特征定位失败后，利用车牌颜色特征，进行精确定位。提出了基于颜色聚类和神经网络的车牌类型识别算法。利用基于颜色分量垂直投影的K-means粗分类进行有效区域提取，以解决光照不均和车牌褪色等问题；利用颜色聚类对有效区域进行颜色特征提取；再通过两级BP神经网络进行车牌类型识别。提出了基于YCbCr空间的特殊字符粗分类算法。根据特殊字符在Cb及Cr空间中的特征对车牌首字符进行粗分类。实验表明，本文提出的基于DOG模型和颜色聚类的车牌定位算法对光照和噪声有很强的鲁棒性；基于颜色聚类和神经网络的车牌类型识别算法有较强的实用性；基于YCbCr空间特性的特殊字符分类有助于提高汉字的识别率。10.学位论文孟涛车牌识别关键技术的研究与实现2006车牌识别(简称LPR)是指通过计算机视觉/图像处理与模式识别等方法从车辆图像中提取车牌字符信息，从而确定车辆身份的技术。LPR是智能交通系统(ITS)中重要的研究课题，在公共安全/交通管理/流量观测/电子收费系统及有关军事部门有着重要的应用价值。车牌识别分为车牌定位/字符分割/字符识别三大部分。车牌定位是一个难题：车牌区域在整幅图像中所占比例很小，车牌的颜色/大小/位置也不确定，并且定位算法要能够克服不同光照和复杂背景的影响，还要兼顾准确性和实时性，因此快速准确的定位车牌是比较困难的。文章研究了一种边缘检测与线扫描相结合定位车牌区域的新方法，较好的解决了这一难题。在获取车辆图像的过程中，由于摄像机和车牌之间角度的变化，经常使所拍摄的车辆图像发生倾斜，导致车牌扭曲和字符变形，给字符分割和字符识别带来极大影响。为此，文章研究了一种基于双线性插值的车牌倾斜校正新方法，该方法有校正时间短/校正效果好的优点。字符分割是LPR的关键步骤，是字符识别的基础。文章提出了一种垂直投影结合模板匹配的分割方法，有效的解决了以往分割算法中字符切割不全/切割移位/受字符磨损变形等因素影响大的问题。字符识别是整个车牌识别的核心。文章讨论了传统的模式识别方法和人工神经网络在车牌字符识别中的应用，并介绍了一种基于BP神经网络的车牌字符识别方法，实验证明该方法识别率较高。