毕业设计（论文）_基于神经网络的车牌识别技术研究.docVIP

摘要：车牌自动识别系统是以汽车牌照为特定目标的专用计算机视觉系统。它的研究主要涉及到了模式识别和人工智能、计算机视觉、数字图像处理、人工神经网络等众多的学科领域。本文通过对车牌识别系统中车牌定位、图像预处理、倾斜矫正、字符分割、字符识别五个关键环节的分析研究,设计了一个完整的车牌识别系统,并在MATLAB环境下进行了仿真模拟。 在车牌的定位部分,本文采用的是基于颜色特征和纹理特征的车牌定位方法。首先将彩色图片从RGB空间转换到HIS空间,利用蓝底白字车牌中蓝色的色度和饱和度S值较大的特点,实现了车牌的粗定位。然后再对粗定位后的图像利用Canny算子进行边缘检测,根据车牌部分图像黑白跳变频率较高的特征,最终实现了车牌的精确定位。 在图像的预处理部分,本文将得到的车牌定位图像进行了灰度化处理,利用Otsu法将灰度图像转换为二值图像,并给出了一种灰度图像增强算法,对采集到的车牌图像进行增强处理;由于在实际中车牌的边框和上下铆钉会对车牌的识别工作形成干扰,因此在该部分中对车牌的边框和铆钉进行了去除。 在获取车辆图像的过程中,由于摄像机和车牌之间角度的变化,经常使所拍摄的车辆图像发生倾斜,导致车牌扭曲和字符变形,给字符分割和字符识别带来极大影响。为此,文章研究了一种基于空间扭曲校正和Hough变换的车牌图像校正方法。 在字符的分割部分,本文依据现行的车牌设计原则,利用改进后的水平投影法,将车牌图像分割7个待识别字符,并对分割后的字符进行了归一化处理。实践证明该方法对解决汉字的不连通问题、字符的粘连问题、噪声的干扰问题以及车牌的前2个字符和后面5个字符之间存在的小圆点问题是行之有效的。 在字符的识别部分,采用改进后的BP神经网络,针对汉字、字母、字母或数字、数字四种不同的识别问题,设计了四种不同的分类器。利用13特征提取法进行特征提取,将其结果作为网络的输入,最后将不同的识别结果组合得到车牌号码。 关键字：车牌识别; BP神经网络; 字符识别 Abstract：The Vehicle License Plate Automatic Recognition System(VLPR) is computer vision system,which target at license plate as particular target. It’s research focuses primarily on Pattern Recognition, Artificial Intelligence(AI), Computer Vision, Digital Image Processing, Artificial Neural Networks(ANN) and some other field of study. In the text, we design a complete VLPR, through analytical study on Vehicle license plate Locating, image preprocessing, slant rectify, character segmentation and character recognition, the five key links of VLPR. And simulate it in the MATLAB environment. In vehicle license plate locating, we adopt VLPR base on colour features and textural features. Firstly, transfer colour pictures from RGB space into HIS space, according to feature which the chroma and saturation of the blue license plate with white words have higher S value. It achieves coarse locating, secondly, using Canny Operator to do an edge detection for the image that be located coarsely. Eventually,achieving the accurate locating, according to the feature which Black-White frequency hopping of license plate image is higher. In image preprocessing, we do a G