發(fā)布時(shí)間：2020-12-31 17:52

　　國(guó)家工業(yè)化發(fā)展和汽車大眾化極大方便了人們的日常生活,但因此導(dǎo)致交通問(wèn)題日益嚴(yán)峻,智能交通的出現(xiàn)有效的解決了這一問(wèn)題。車牌識(shí)別技術(shù)作為智能交通系統(tǒng)中的基礎(chǔ)組成部分,對(duì)智能交通系統(tǒng)的快速發(fā)展具有重要意義。針對(duì)現(xiàn)有車牌識(shí)別系統(tǒng)在復(fù)雜背景下識(shí)別精度低的問(wèn)題,結(jié)合深度學(xué)習(xí)算法在圖像處理領(lǐng)域的優(yōu)勢(shì),對(duì)車牌定位和字符識(shí)別算法進(jìn)行研究。主要研究?jī)?nèi)容如下:通過(guò)對(duì)深度學(xué)習(xí)算法研究,對(duì)比各種算法的優(yōu)缺點(diǎn)和適用范圍,最后選擇卷積神經(jīng)網(wǎng)絡(luò)作為本文車牌定位和字符識(shí)別所用算法。車牌定位算法研究。針對(duì)車牌傾斜,圖像質(zhì)量下降等復(fù)雜背景下車牌定位困難的問(wèn)題,提出了一種基于改進(jìn)邊緣檢測(cè)和形態(tài)濾波的粗略車牌定位算法。粗略定位后獲得的牌照候選區(qū)域訓(xùn)練有素。卷積神經(jīng)網(wǎng)絡(luò)（CNN）模型進(jìn)行判斷,排除偽車牌區(qū)域,從而實(shí)現(xiàn)精確定位。車牌字符識(shí)別算法研究。在考慮了我國(guó)車牌字符特點(diǎn)的基礎(chǔ)上,采用卷積神經(jīng)網(wǎng)絡(luò)AlexNet網(wǎng)絡(luò)模型,為實(shí)現(xiàn)對(duì)車牌不做字符分割進(jìn)行整體識(shí)別,對(duì)模型進(jìn)行了改進(jìn)。在保證車牌識(shí)別系統(tǒng)準(zhǔn)確率的前提下,提升了系統(tǒng)的實(shí)時(shí)性。由于FPGA豐富的硬件資源和強(qiáng)大的并行運(yùn)算能力,最后提出了一種基于FPGA的車牌技術(shù)實(shí)現(xiàn)方案。結(jié)果表明... 

【文章來(lái)源】：重慶郵電大學(xué)重慶市

【文章頁(yè)數(shù)】：76 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

三種常見(jiàn)的激活函數(shù)

電大學(xué)碩士學(xué)位論文 第 3 章 車牌定位算1. 形狀尺寸目前我國(guó)機(jī)動(dòng)車輛的車牌規(guī)格嚴(yán)格按照 GA36-2007《中華人民共和國(guó)機(jī)》標(biāo)準(zhǔn)[23]，車牌尺寸標(biāo)準(zhǔn)如圖 3.2 所示，按照標(biāo)準(zhǔn)規(guī)范，車輛前面牌照，寬為 14cm，總共包括 7 個(gè)字符，每個(gè)字符高度為 90mm，寬度為 45、第三個(gè)字符之間存在一個(gè)分隔符“ ”，半徑為 5mm，字符間的距離為 12

(a) 原始圖像 (b) 灰度化圖像圖 3.4 灰度化處理效果圖2. 灰度圖像增強(qiáng)由于車牌圖像容易受到天氣狀況和拍攝條件的影響，從而導(dǎo)致圖像質(zhì)量的差異，為了改善圖像質(zhì)量，突出車牌細(xì)節(jié)，便于后期的邊緣檢測(cè)處理，因此采用直方圖均衡化將降質(zhì)圖像轉(zhuǎn)化為均勻分布的形式，從而增加像素的灰度值的動(dòng)態(tài)范圍增強(qiáng)圖像對(duì)比度，達(dá)到增強(qiáng)車牌灰度圖像的目的。圖 3.5 為經(jīng)過(guò)直方圖均衡化處理后的效果�？梢钥闯鲕嚺茀^(qū)域細(xì)節(jié)更加突出，這更有利于后面的提取操作。

【參考文獻(xiàn)】：
期刊論文
[1]深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)及其在海洋環(huán)境信息挖掘預(yù)測(cè)中的應(yīng)用[J]. 徐凌宇,張高唯,江灣灣,李新絹,王蕾.  海洋信息. 2018(01)
[2]深度學(xué)習(xí)應(yīng)用前景分析[J]. 黃子良.  通信與信息技術(shù). 2017(03)
[3]基于數(shù)學(xué)形態(tài)學(xué)的漸變色字符定位算法[J]. 崔男,李婧,孫艷蕊.  計(jì)算機(jī)與數(shù)字工程. 2016(10)
[4]2014年全國(guó)機(jī)動(dòng)車和駕駛?cè)搜该驮鲩L(zhǎng)[J]. 交宣,汽車與安全.  汽車與安全. 2015(02)
[5]基于數(shù)學(xué)形態(tài)學(xué)和顏色特征的車牌定位方法[J]. 廉寧,徐艷蕾.  圖學(xué)學(xué)報(bào). 2014(05)
[6]改進(jìn)的模板匹配方法在車牌識(shí)別中的應(yīng)用[J]. 陳瑋,曹志廣,李劍平.  計(jì)算機(jī)工程與設(shè)計(jì). 2013(05)
[7]基于連通域提取的車牌字符分割算法[J]. 甘玲,林小晶.  計(jì)算機(jī)仿真. 2011(04)
[8]BP神經(jīng)網(wǎng)絡(luò)在車牌字符識(shí)別中的應(yīng)用研究[J]. 郭榮艷,胡雪惠.  計(jì)算機(jī)仿真. 2010(09)
[9]基于HSV顏色空間的一種車牌定位和分割方法[J]. 王洪建.  儀器儀表學(xué)報(bào). 2005(S2)
[10]基于自適應(yīng)投影方法的快速車牌定位[J]. 馮國(guó)進(jìn),顧國(guó)華,鄭瑞紅.  紅外與激光工程. 2003(03)

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的手勢(shì)識(shí)別算法優(yōu)化及嵌入式實(shí)現(xiàn)[D]. 張玉婷.西安郵電大學(xué) 2018
[2]復(fù)雜自然環(huán)境下車牌識(shí)別算法研究[D]. 趙成龍.山東大學(xué) 2017
[3]近紅外掌靜脈圖像識(shí)別技術(shù)設(shè)計(jì)與實(shí)現(xiàn)[D]. 成然.電子科技大學(xué) 2017
[4]卷積神經(jīng)網(wǎng)字符識(shí)別算法研究[D]. 吳香蓮.電子科技大學(xué) 2016
[5]基于模糊理論的汽車牌照自動(dòng)識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 王明華.電子科技大學(xué) 2011
[6]車牌字符分割和字符識(shí)別的算法研究與實(shí)現(xiàn)[D]. 王偉.電子科技大學(xué) 2011
[7]車牌識(shí)別系統(tǒng)關(guān)鍵技術(shù)研究[D]. 鄧靈.長(zhǎng)沙理工大學(xué) 2010
[8]車牌定位與字符分割算法研究及實(shí)現(xiàn)[D]. 王曉健.北京郵電大學(xué) 2009



本文編號(hào)：2950053