本文關(guān)鍵詞：基于圖像處理的車牌識別技術(shù)的研究與實現(xiàn)，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著人們生活水平的提高,車輛越來越多,交通治安管理便成了社會比較關(guān)注的部分。在交通治安管理過程中,很多時候人們需要人工的對一些違規(guī)交通車輛進行識別,這樣不僅耗費了大量的人力和物力,而且很多時候難以保障識別的準(zhǔn)確性。車牌識別系統(tǒng)便是在這樣的大環(huán)境下產(chǎn)生的。本文首先對國內(nèi)外車牌識別技術(shù)發(fā)展的現(xiàn)狀進行分析,在克服現(xiàn)有算法基礎(chǔ)上提出新的高效車牌識別算法。本文對所提出的算法進行了實驗驗證,對隨機選取的200張圖像進行識別,實驗結(jié)果表明本文提出的算法魯棒性強,對車牌識別的準(zhǔn)確率達到96%。本文提出的車牌識別算法整體分為車牌定位、車牌預(yù)處理、車牌識別三個部分,算法在這三個部分進行了創(chuàng)新,對每部分的算法實現(xiàn)效果和執(zhí)行速度進行了改進。本文算法的主要創(chuàng)新點如下:首先對以往車牌定位算法進行了總結(jié)分析,在此基礎(chǔ)上提出了新的車牌定位算法。車牌定位算法整體分為三步,即利用車牌為矩形的幾何特征對車牌進行近似定位,車牌近似定位主要應(yīng)用圖像的輪廓提取算法、數(shù)學(xué)形態(tài)學(xué)濾波算法和矩形定位篩選算法,利用這幾種算法將圖像中類似車牌的區(qū)域全部提取出來。車牌的近似定位即通過對車牌的長寬比例,在候選區(qū)域選定誤差最小值,最后確定車牌的準(zhǔn)確位置。在車牌的分割部分,本文將車牌的橫向投影和縱向投影相結(jié)合,利用橫向投影法檢測車牌的種類(即車牌單排排列和車牌雙排排列),然后利用縱向投影法對車牌中的字符進行分割。本文采用改進的BP神經(jīng)網(wǎng)絡(luò)模型對車牌進行識別。在車牌車別過程中,在原始的BP神經(jīng)網(wǎng)絡(luò)模型上添加了動量因子,減小了識別系統(tǒng)的不穩(wěn)定性,在學(xué)習(xí)率的設(shè)定上采用了自適應(yīng)調(diào)整模式,學(xué)習(xí)率不是固定不變的,其會在每次學(xué)習(xí)完成后對自身的值進行合理的修改。
【關(guān)鍵詞】：車牌識別 神經(jīng)網(wǎng)絡(luò) OCR識別
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-14
• 1.1 智能交通系統(tǒng)9
• 1.2 車牌識別系統(tǒng)9-12
• 1.2.1 車牌識別的簡介及應(yīng)用9-10
• 1.2.2 車牌識別系統(tǒng)的結(jié)構(gòu)10-12
• 1.2.3 車牌識別技術(shù)的發(fā)展現(xiàn)狀12
• 1.3 本文的主要結(jié)構(gòu)12-14
• 第2章 關(guān)鍵技術(shù)介紹14-21
• 2.1 邊緣檢測算法14-17
• 2.2 車牌校正算法17-18
• 2.3 文字識別算法介紹18-21
• 2.3.1 分類器字符識別算法18-19
• 2.3.2 模板匹配類方法19-21
• 第3章 車牌定位21-29
• 3.1 車牌特征分析21-22
• 3.1.1 車牌簡介21
• 3.1.2 車牌特征總結(jié)21-22
• 3.2 車牌識別區(qū)域確定方法研究22-29
• 3.2.1 車牌近似定位22-27
• 3.2.2 車牌精確定位27-29
• 第4章 車牌圖像預(yù)處理29-35
• 4.1 車牌校正29-31
• 4.2 圖像去噪31-32
• 4.3 字符分割32-35
• 第5章 車牌識別35-48
• 5.1 反饋神經(jīng)網(wǎng)絡(luò)介紹35
• 5.2 字符預(yù)處理35-36
• 5.3 特征提取36-37
• 5.4 車牌識別的BP網(wǎng)絡(luò)模型設(shè)計37-43
• 5.4.1 神經(jīng)網(wǎng)絡(luò)模型37-38
• 5.4.2 BP神經(jīng)網(wǎng)絡(luò)模型38-41
• 5.4.3 基于BP神經(jīng)網(wǎng)絡(luò)模型的字符識別算法41-43
• 5.5 車牌識別系統(tǒng)實驗及結(jié)果分析43-48
• 5.5.1 實驗結(jié)果43-46
• 5.5.2 結(jié)果分析46-48
• 第6章 總結(jié)48-49
• 參考文獻49-51
• 作者簡介51-52
• 致謝52

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 黃秉憲;;隨意運動控制與學(xué)習(xí)的多級神經(jīng)網(wǎng)絡(luò)模型[J];國外醫(yī)學(xué).生物醫(yī)學(xué)工程分冊;1988年02期

2 周常河,劉立人,王文江;高階神經(jīng)網(wǎng)絡(luò)模型的一種光學(xué)實現(xiàn)結(jié)構(gòu)[J];量子電子學(xué);1992年01期

3 潘中良,陳光

本文編號：362162