發(fā)布時間：2021-09-27 20:37

　　隨著經(jīng)濟的快速發(fā)展,人們收入水平的穩(wěn)步提高,私人汽車成為了人們適應快節(jié)奏出行的首要選擇。但是我國的交通基礎設施建設并沒有跟上汽車增長的步伐,導致了交通擁堵、環(huán)境污染、停車難等一系列社會問題,嚴重制約了社會經(jīng)濟的發(fā)展,因此,越來越多的學者加入到交通問題研究的隊伍當中。其中,智能交通技術是保持交通可持續(xù)發(fā)展的重要手段,車牌識別技術是智能交通系統(tǒng)的重要研究課題之一,而車牌字符識別又是車牌識別系統(tǒng)的一個重要支撐點。本文在總結前人研究經(jīng)驗和工作成果的基礎上,對幾個車牌字符識別的關鍵技術提出新的改進算法。首先,通過利用改進的基于頂帽變換的圖像增強算法進行圖像預處理,經(jīng)過亮度均衡后的車牌圖像能夠消除閾值化過程中由照度變化不均勻而產(chǎn)生的噪聲,有效解決了車牌圖像背景的噪聲問題,為后續(xù)的車牌字符識別奠定基礎;其次,通過分析常用的模板匹配函數(shù),提出了新的基于全局信息的車牌匹配函數(shù)——全局重合度函數(shù),實驗表明,全局重合度函數(shù)能有效地提高車牌字符的識別效率,優(yōu)于傳統(tǒng)的模板匹配函數(shù);再次,針對車牌字符圖像的特點,分別對字符特征提取算法和特征分類器進行了優(yōu)化,實驗結果表明,優(yōu)化后的車牌識別算法的識別率達到了96.5... 

【文章來源】：合肥工業(yè)大學安徽省 211工程院校 教育部直屬院校

【文章頁數(shù)】：75 頁

【學位級別】：碩士

【部分圖文】：

車牌字符模板框

車牌分割后效果

字符圖像修正后的效果

【參考文獻】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡的車牌字符識別[J]. 董峻妃,鄭伯川,楊澤靜.  計算機應用. 2017(07)
[2]傾斜車牌圖像邊緣模糊特征識別方法研究[J]. 張曉娟,樊東燕.  計算機仿真. 2017(01)
[3]基于模板匹配和局部HOG特征的車牌識別算法[J]. 高聰,王福龍.  計算機系統(tǒng)應用. 2017(01)
[4]基于CNN的車牌數(shù)字字符識別算法[J]. 歐先鋒,向燦群,湛西羊,彭鑫,石云鎖.  成都工業(yè)學院學報. 2016(04)
[5]基于聚類SURF特征的商品識別算法[J]. 陳哲凡,鄭建彬,詹恩奇,汪陽.  計算機應用研究. 2017(11)
[6]基于連通區(qū)域的復雜車牌的字符分割算法[J]. 施隆照,王凱.  計算機工程與設計. 2016(08)
[7]基于多尺度分塊卷積神經(jīng)網(wǎng)絡的圖像目標識別算法[J]. 張文達,許悅雷,倪嘉成,馬時平,史鶴歡.  計算機應用. 2016(04)
[8]基于改進的連通域算法與垂直投影相結合的車牌字符分割[J]. 路敬祎,薛征,邵克勇,李淼.  自動化技術與應用. 2015(12)
[9]基于車前臉HOG特征的車型識別方法研究與實現(xiàn)[J]. 張紅兵,李海林,黃曉婷,馬守磊.  計算機仿真. 2015(12)
[10]基于卷積神經(jīng)網(wǎng)絡SLeNet5的車牌識別方法[J]. 張立,朱玉全,陳耿.  信息技術. 2015(11)

博士論文
[1]車牌識別技術的研究和實現(xiàn)[D]. 黃山.四川大學 2005

碩士論文
[1]基于深度學習及視覺注意的車牌識別研究[D]. 殷浩.湖北工業(yè)大學 2017
[2]復雜場景下的交通標志識別技術研究[D]. 王昔鵬.合肥工業(yè)大學 2017
[3]基于深度學習的車牌識別系統(tǒng)[D]. 楊玨吉.浙江大學 2017
[4]復雜環(huán)境下的車牌識別系統(tǒng)關鍵技術研究[D]. 劉金陽.合肥工業(yè)大學 2016
[5]基于卷積神經(jīng)網(wǎng)絡的圖像分類技術研究[D]. 楚敏南.湘潭大學 2015
[6]基于SIFT的圖像檢索技術研究[D]. 朱玉濱.吉林大學 2014
[7]一種基于小波分析和支持向量機的車牌識別算法[D]. 高昊飛.西安電子科技大學 2014
[8]基于圖像處理及支持向量機的車牌識別技術研究[D]. 張吉斌.蘭州交通大學 2013
[9]SIFT算法的研究和改進[D]. 馮嘉.吉林大學 2010
[10]車牌識別系統(tǒng)設計及基于改進SVM的字符識別研究[D]. 鄭彬彬.廈門大學 2008



本文編號：3410577