在科技飛速發(fā)展的21世紀(jì),家家戶戶都在享受著種種交通工具帶來的好處。科技融入生活,為我們帶來了方便,卻也造成了交通管理難度越來越大。因此,為解決城市交通管理,國家提出了智能化交通管理系統(tǒng)。車牌識別系統(tǒng)作為智能交通系統(tǒng)的核心技術(shù)之一,為城市交通管理以及國民出行帶來了巨大的方便。針對其各方面技術(shù)的探索,受到越來越多科研人員的熱衷與重視。本文針對如何提高車牌識別系統(tǒng)的工作效率為主,從改善車牌圖像質(zhì)量和提高識別算法效率入手進(jìn)行研究。論文主要工作如下:1.為改善車牌圖像質(zhì)量,本文研究了傳統(tǒng)的非局部均值去噪算法,發(fā)現(xiàn)其測量相似性具有不穩(wěn)定性以及容易導(dǎo)致邊緣細(xì)節(jié)丟失,對此不足本文提出了基于邊緣檢測的車牌圖像去噪算法。該算法使用標(biāo)準(zhǔn)化歐幾里德距離代替簡單歐幾里德距離來測量鄰域塊之間的相似性,同時(shí)利用改進(jìn)的Canny邊緣檢測算子進(jìn)行邊緣獨(dú)立去噪。通過實(shí)驗(yàn)與經(jīng)典算法進(jìn)行比較,證明改進(jìn)算法提高了相似性度量的準(zhǔn)確性和穩(wěn)定性,且較好保留了邊緣細(xì)節(jié)信息。2.為進(jìn)一步提高車牌字符識別的效率,本文針對模板匹配算法以及卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行了研究與分析,發(fā)現(xiàn)模板匹配法識別相似字符精確度低,而卷積神經(jīng)網(wǎng)絡(luò)識別時(shí)間效率低。針對上... 

【文章來源】：安徽理工大學(xué)安徽省

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖４直方圖均衡化效果圖??Ｆｉｇ４?Ｈｉｓｔｏｇｒａｍ?ｅｑｕａｌｉｚａｔｉｏｎ?ｅｆｆｅｃｔ?ｄｉａｇｒａｍ??２．３車輛圖像二值化??

對于上式中的閾值設(shè)置方法，可以通過全局灰度計(jì)算，也可以以局部灰度的??漸變度計(jì)算，但由于這兩種方法都有明顯缺點(diǎn)，目前最常用的是由像素點(diǎn)位置和??灰度特性共同決定的動(dòng)態(tài)閾值方法，該方法優(yōu)點(diǎn)是動(dòng)態(tài)閾值邊界明顯。圖５所示??為車輛圖像二值化效果：??（ａ）二值化前?（ｂ）二值化后??圖５二值化效果圖??Ｆｉｇ５?Ｂｉｎａｒｙ?ｒｅｎｄｅｒｉｎｇ??２．４本章小結(jié)??本章節(jié)主要介紹了本文在進(jìn)行后續(xù)實(shí)驗(yàn)操作之前，需要對車輛圖像進(jìn)行的三??種前期預(yù)操作，通過這三個(gè)預(yù)處理操作，為本文后續(xù)的去噪、邊緣檢測以及字符??識別研究提供了有力的前提保障。??９??

Ｎｏｎ－ｌｏｃａｌ?ｍｅａｎ?ｄｅｎｏｉｓｉｎｇ?ａｌｇｏｒｉｔｈｍ?ｅｘｅｃｕｔｉｏｎ?ｐｒｏｃ聲圖像Ｐ＝｛Ｐ（〇丨／ｅ／｝，去噪后圖像為：??ＮＬ（Ｐｍ?＝?Ｙ／Ｐ?隊(duì)肌?ｊ）兩個(gè)鄰域窗口ｉ間的相似度。該算法利用然后修改目標(biāo)像素的像素值，以達(dá)到去噪子??像處理的重要組成部分［３Ｑ］。由于邊緣點(diǎn)規(guī)的檢測算子一般難以完全屏蔽噪聲因算子針對３ｘ３鄰域進(jìn)行運(yùn)算，由兩個(gè)卷積別如圖７所示：??＇－１?０?＋１］?「＋１?＋２?＋１—??－２?０?＋２?０?０?０??

【參考文獻(xiàn)】：
期刊論文
[1]激活函數(shù)在卷積神經(jīng)網(wǎng)絡(luò)中的對比研究[J]. 田娟,李英祥,李彤巖.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2018(07)
[2]改進(jìn)的自適應(yīng)Canny邊緣檢測算法[J]. 段鎖林,殷聰聰,李大偉.  計(jì)算機(jī)工程與設(shè)計(jì). 2018(06)
[3]一種自適應(yīng)的Canny邊緣檢測算法[J]. 宋人杰,劉超,王保軍.  南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(03)
[4]基于集成學(xué)習(xí)改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)的手寫字符識別[J]. 黎育權(quán).  電子技術(shù)與軟件工程. 2018(09)
[5]基于邊緣檢測與模式識別的車臉識別算法[J]. 徐駿驊.  控制工程. 2018(02)
[6]用于Canny算子邊緣檢測的廣度優(yōu)先算法研究[J]. 肖瑞瑩,楊帆,董正宏.  計(jì)算機(jī)技術(shù)與發(fā)展. 2018(06)
[7]一種新的基于形態(tài)學(xué)和模板匹配的車牌識別方法[J]. 劉懷芝,陸小虎,徐喜東,陳本焱.  國外電子測量技術(shù). 2018(01)
[8]圖像處理在車牌識別中的應(yīng)用[J]. 張宇峰.  科技視界. 2018(01)
[9]結(jié)合改進(jìn)的SVM和隨機(jī)森林算法車標(biāo)分類識別[J]. 薛峰,朱強(qiáng),林楠.  計(jì)算機(jī)工程與設(shè)計(jì). 2017(12)
[10]一種改進(jìn)的非局部均值圖像去噪算法[J]. 祝嚴(yán)剛,張桂梅.  計(jì)算機(jī)工程與應(yīng)用. 2017(18)

碩士論文
[1]基于深度學(xué)習(xí)的車牌識別關(guān)鍵技術(shù)研究[D]. 李朝兵.電子科技大學(xué) 2018
[2]基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的車牌識別算法研究與實(shí)現(xiàn)[D]. 劉智輝.浙江理工大學(xué) 2018
[3]基于深度學(xué)習(xí)的車牌識別算法研究[D]. 王恒.浙江工業(yè)大學(xué) 2017
[4]基于聯(lián)合雙邊濾波的圖像去噪與融合方法研究[D]. 任芬.西安電子科技大學(xué) 2017
[5]霧天情況下的車牌定位技術(shù)研究[D]. 唐皞?cè)?上海師范大學(xué) 2016
[6]聯(lián)合空域和頻域的圖像去噪算法及其應(yīng)用研究[D]. 崔艷萌.河南師范大學(xué) 2016
[7]車牌識別中關(guān)鍵算法的改進(jìn)研究[D]. 楊振.廣西師范大學(xué) 2016
[8]復(fù)雜背景下車牌識別系統(tǒng)的研究與實(shí)現(xiàn)[D]. 張婷.重慶大學(xué) 2016
[9]基于計(jì)算機(jī)視覺的車牌識別系統(tǒng)的算法研究[D]. 卜英家.電子科技大學(xué) 2015
[10]基于圖像的車牌識別系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)[D]. 康健新.吉林大學(xué) 2014



本文編號：3233969