發(fā)布時間：2017-04-25 14:16

  本文關(guān)鍵詞：基于自適應(yīng)閥值邊緣檢測和機(jī)器學(xué)習(xí)的車牌識別算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：車牌自動識別技術(shù)在智能交通領(lǐng)域扮演了越來越重要的角色,是目前智能交通管理的重要研究方向。隨著社會對于車輛管理系統(tǒng)性能要求的日益提高和交通環(huán)境的日益復(fù)雜,現(xiàn)有的車牌自動識別技術(shù)已不能滿足用戶的需求,所以如何在復(fù)雜的環(huán)境下準(zhǔn)確、實時地識別車牌仍然是智能交通研究人員研究的重點。本文分為車牌定位、車牌字符分割和字符識別三個研究部分。車牌定位研究怎樣從一幅圖片中找出車牌的位置并分割出來。整幅圖像受不同時間點,不同天氣等的影響會有顏色、亮度上的差異。如何去除信號采集過程中的噪點和圖像中廣告文字的干擾也是一個難點。本文使用邊緣檢測和形態(tài)學(xué)處理結(jié)合的方法定位車牌,并提出根據(jù)定位效果自適應(yīng)地調(diào)整邊緣加權(quán)梯度值和二值化閥值定位候選區(qū)域的方法,然后結(jié)合其他車牌特征遴選候選區(qū)域。這種方法使定位更加準(zhǔn)確。字符分割的難點在于如何排除車牌邊框的干擾,和如何克服字符間的連接現(xiàn)象。本文使用Radon變換和字符筆畫寬度信息進(jìn)行傾斜校正,對于克服字符間連接則使用理論的字符寬度值預(yù)估和驗證的方法確定字符筆畫寬度,然后依據(jù)該寬度分割字符。字符識別部分關(guān)注字符識別的精度和速度,以及對于殘缺車牌的字符識別能力。針對現(xiàn)有的機(jī)器學(xué)習(xí)方法訓(xùn)練速度慢的缺點,本文提出基于在線序列極速學(xué)習(xí)機(jī)的車牌識別技術(shù)。通過實時訓(xùn)練不斷提高識別率,網(wǎng)絡(luò)的學(xué)習(xí)能力隨著使用時間的增加而提高。并進(jìn)一步引入遲滯特性使網(wǎng)絡(luò)具有聯(lián)想記憶能力,設(shè)計了具有遲滯特性的自選擇極速學(xué)習(xí)機(jī)算法,增強(qiáng)了網(wǎng)絡(luò)泛化能力,提高了識別精度。
【關(guān)鍵詞】：車牌定位 邊緣檢測 字符識別 極速學(xué)習(xí)機(jī) 遲滯特性
【學(xué)位授予單位】：東華大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41;TP181
【目錄】：

• 摘要5-7
• Abstract7-11
• 第一章 緒論11-16
• 1.1 選題背景及意義11-13
• 1.2 車牌識別研究現(xiàn)狀13-14
• 1.2.1 國外研究現(xiàn)狀13
• 1.2.2 國內(nèi)研究現(xiàn)狀13-14
• 1.3 本文所做工作14-15
• 1.4 論文組織結(jié)構(gòu)15-16
• 第二章 基于自適應(yīng)閾值邊緣的車牌定位16-37
• 2.1 車牌定位概述16-20
• 2.1.1 車牌特征16-17
• 2.1.2 常用車牌定位算法17-20
• 2.2 原始圖像處理20-24
• 2.2.1 原始圖像存在的問題20
• 2.2.2 灰度化與去噪實現(xiàn)20-22
• 2.2.3 光照均衡22
• 2.2.4 圖像增強(qiáng)22-24
• 2.3 自適應(yīng)閾值邊緣檢測定位24-34
• 2.3.1 邊緣檢測算子24-26
• 2.3.2 加權(quán)梯度值處理26-27
• 2.3.3 數(shù)學(xué)形態(tài)學(xué)概述27-28
• 2.3.4 自適應(yīng)閾值邊緣檢測與形態(tài)學(xué)處理28-31
• 2.3.5 疑似區(qū)車牌過濾31-34
• 2.4 實驗分析34-36
• 2.5 本章小結(jié)36-37
• 第三章 基于字符特征和垂直投影車牌分割37-46
• 3.1 車牌字符分割概述37-39
• 3.1.1 常用傾斜校正算法37-38
• 3.1.2 常用車牌字符分割算法38-39
• 3.2 基于字符特征和垂直投影字符分割39-44
• 3.2.1 車牌水平傾斜校正39-41
• 3.2.2 車牌上下邊框去除41-42
• 3.2.3 車牌垂直傾斜校正42
• 3.2.4 字符分割處理42-44
• 3.3 實驗分析44-45
• 3.4 本章小結(jié)45-46
• 第四章 基于改進(jìn)極速學(xué)習(xí)機(jī)算法的字符識別46-65
• 4.1 字符識別概述46-47
• 4.2 字符預(yù)處理47-49
• 4.2.1 標(biāo)準(zhǔn)化處理48-49
• 4.2.2 平滑處理49
• 4.3 基于在線序列極速學(xué)習(xí)機(jī)的車牌字符識別49-57
• 4.3.1 在線序列極速學(xué)習(xí)機(jī)49-52
• 4.3.2 車牌字符的特征提取52-54
• 4.3.3 車牌字符分類器的設(shè)計54-56
• 4.3.4 實驗結(jié)果及分析56-57
• 4.4 基于遲滯特性自選擇極速學(xué)習(xí)機(jī)的車牌字符識別57-64
• 4.4.1 遲滯激勵函數(shù)模型57-59
• 4.4.2 遲滯參數(shù)的訓(xùn)練算法59-61
• 4.4.3 遲滯特性的自選擇極速學(xué)習(xí)機(jī)算法61-63
• 4.4.4 實驗結(jié)果分析63
• 4.4.5 遲滯參數(shù)初值范圍選擇63-64
• 4.5 本章小結(jié)64-65
• 第五章 總結(jié)與展望65-67
• 5.1 論文總結(jié)65-66
• 5.2 課題展望66-67
• 參考文獻(xiàn)67-72
• 攻讀碩士學(xué)位期間的研究成果72-73
• 致謝73

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 王忠華,汪勝前,鄧承志,劉祝華;基于層間相關(guān)性的小波邊緣檢測[J];江西師范大學(xué)學(xué)報(自然科學(xué)版);2004年05期

2 畢軍,張長江;紅外圖像邊緣檢測的循環(huán)移位算法[J];光電工程;2005年05期

3 孫偉,王志堅;基于標(biāo)準(zhǔn)差梯度的模糊邊緣檢測算法[J];紅外與激光工程;2005年04期

4 蔣慶,蔡晉輝,周澤魁;一種微分極值的邊緣檢測算法[J];電路與系統(tǒng)學(xué)報;2005年05期

5 王水平;李仕強(qiáng);傅德勝;;基于資格函數(shù)的模糊邊緣檢測算法[J];計算機(jī)工程;2005年23期

6 刁麓弘;于斌;李華;;一種基于菲涅爾衍射的邊緣檢測算法[J];計算機(jī)學(xué)報;2006年12期

7 袁濤;張愛琳;;圖像的邊緣檢測算法實現(xiàn)[J];包鋼科技;2006年06期

8 王詠勝;付永慶;;噪聲目標(biāo)的邊緣檢測算法研究[J];彈箭與制導(dǎo)學(xué)報;2008年06期

9 杜鵑;劉斌;;基于層內(nèi)相關(guān)性的小波相位邊緣檢測[J];湖北大學(xué)學(xué)報(自然科學(xué)版);2008年01期

10 張慧;張聰;;大米粒形邊緣檢測算法研究[J];糧油食品科技;2008年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 王巖;勒中鑫;;幾種邊緣檢測方法及其比較[A];中國圖象圖形科學(xué)技術(shù)新進(jìn)展——第九屆全國圖象圖形科技大會論文集[C];1998年

2 王巖;勒中鑫;;邊緣檢測中幾種方法的比較[A];1998年中國智能自動化學(xué)術(shù)會議論文集（下冊）[C];1998年

3 孟偉;王秀澤;張巖;;離散Canny邊緣檢測算法的實現(xiàn)[A];走近CIE 26th——中國照明學(xué)會（2005）學(xué)術(shù)年會論文集[C];2005年

4 葉樂軍;王強(qiáng);;基于自適應(yīng)邊緣檢測的大空間火災(zāi)目標(biāo)監(jiān)測技術(shù)[A];中國職業(yè)安全健康協(xié)會2007年學(xué)術(shù)年會論文集[C];2007年

5 沈亮;潘德爐;王迪峰;;機(jī)載多通道掃描儀圖像的邊緣檢測初步研究[A];2008中國儀器儀表與測控技術(shù)進(jìn)展大會論文集（Ⅰ）[C];2008年

6 周勝靈;丁珠玉;;農(nóng)產(chǎn)品邊緣檢測系統(tǒng)研究[A];中國農(nóng)業(yè)工程學(xué)會2011年學(xué)術(shù)年會論文集[C];2011年

7 任獲榮;楊夏穎;何培培;孫建維;高敏;;邊緣檢測技術(shù)發(fā)展現(xiàn)狀及其在零件識別中的應(yīng)用綜述[A];第三屆數(shù)控機(jī)床與自動化技術(shù)專家論壇論文集[C];2012年

8 李文輝;郭寧寧;郝鑫;;優(yōu)化邊緣檢測的分析和解決方案[A];“加入WTO和科學(xué)技術(shù)與吉林經(jīng)濟(jì)發(fā)展——機(jī)遇·挑戰(zhàn)·責(zé)任”吉林省第二屆科學(xué)技術(shù)學(xué)術(shù)年會論文集（上）[C];2002年

9 王培珍;孟祥昊;張克;鄭詩程;潘瑞雪;;板材圖像邊緣檢測算法研究[A];第25屆中國控制與決策會議論文集[C];2013年

10 王孝偉;王強(qiáng);;基于自適應(yīng)Canny邊緣檢測算子的大空間火災(zāi)圖像邊緣檢測[A];2009年中國智能自動化會議論文集（第三分冊）[C];2009年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 鳴人;Photoshop CS5:三大功能再進(jìn)化[N];中國攝影報;2010年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 磨少清;邊緣檢測及其評價方法的研究[D];天津大學(xué);2011年

2 董鴻燕;邊緣檢測的若干技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2008年

3 王媛妮;順序形態(tài)邊緣檢測及分水嶺圖像分割研究[D];武漢大學(xué);2010年

4 遲健男;圖像形態(tài)學(xué)和小波分析在圖像增強(qiáng)與邊緣檢測中的應(yīng)用[D];東北大學(xué);2005年

5 李杏梅;Contourlet變換在圖像去噪與邊緣檢測中的應(yīng)用研究[D];華中科技大學(xué);2011年

6 丁興號;基于小波分析的視覺檢測技術(shù)研究[D];合肥工業(yè)大學(xué);2003年

7 閆海霞;基于數(shù)學(xué)形態(tài)學(xué)的圖像邊緣檢測和增強(qiáng)算法的研究[D];吉林大學(xué);2009年

8 謝松法;模式特征的提取與應(yīng)用研究[D];華中科技大學(xué);2007年

9 吳慶崗;復(fù)雜背景輸電線圖像中部件邊緣提取算法研究[D];大連海事大學(xué);2012年

10 Ali Abdullah Yahya;[D];合肥工業(yè)大學(xué);2014年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 曹晶人;基于特征向量和神經(jīng)網(wǎng)絡(luò)的邊緣檢測算法研究[D];東北大學(xué);2009年

2 周翠萍;基于方向差異多尺度分析的數(shù)字圖像邊緣檢測算法研究[D];中南大學(xué);2011年

3 陳付夢;融合提升小波和灰色關(guān)聯(lián)度的磨粒邊緣檢測研究[D];南京航空航天大學(xué);2013年

4 張潔;數(shù)字圖像邊緣檢測技術(shù)的研究[D];合肥工業(yè)大學(xué);2009年

5 郭偉;基于最小二乘支持向量機(jī)邊緣檢測改進(jìn)算法研究[D];新疆大學(xué);2009年

6 程飛燕;生物圖像邊緣檢測算法的研究[D];蘭州大學(xué);2010年

7 嚴(yán)奉霞;小波理論及其在圖像邊緣檢測中的應(yīng)用[D];國防科學(xué)技術(shù)大學(xué);2003年

8 連靜;基于多尺度融合的圖像邊緣檢測[D];吉林大學(xué);2005年

9 吳繼輝;模糊邏輯理論在紅細(xì)胞邊緣檢測中的應(yīng)用[D];重慶大學(xué);2002年

10 于枝伶;基于邊緣檢測的小波圖像去噪[D];西安理工大學(xué);2007年

  本文關(guān)鍵詞：基于自適應(yīng)閥值邊緣檢測和機(jī)器學(xué)習(xí)的車牌識別算法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：326474