光照鲁棒的车牌识别系统的设计与实现-电子与通信工程专业论文.docxVIP

万方数据 万方数据 南京邮电大学学位论文原创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。 尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过 的研究成果，也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 本人学位论文及涉及相关资料若有不实，愿意承担一切相关的法律责任。 研究生签名： 日期： 南京邮电大学学位论文使用授权声明 本人授权南京邮电大学可以保留并向国家有关部门或机构送交论文的复印件和电子文 档；允许论文被查阅和借阅；可以将学位论文的全部或部分内容编入有关数据库进行检索； 可以采用影印、缩印或扫描等复制手段保存、汇编本学位论文。本文电子文档的内容和纸质 论文的内容相一致。论文的公布（包括刊登）授权南京邮电大学研究生院办理。 涉密学位论文在解密后适用本授权书。 研究生签名： 导师签名： 日期： 摘要 车牌识别（LPR）技术作为智能交通系统（ITS）的核心技术之一，其重要性日益增加。 尽管目前车牌识别技术已取得大量研究成果，但现有的车牌识别系统都是在理想的光照条件 下才能取得令人满意的效果。真实的光照条件瞬息万变，为让车牌识别技术真正走向实际应 用，研究提高车牌识别系统的光照鲁棒性依然具有一定的理论和实际意义。 本文在分析国内外车牌识别系统的基础上，根据我国车牌特征，重点研究了车牌字符的 特征提取方法和识别方法，以提高复杂光照下车牌识别系统的识别率，具体研究内容包括： 针对车牌图像预处理，讨论了车牌识别技术中常用的图像预处理方法，包括图像灰度化 和二值化、图像增强技术、图像形态学处理和边缘检测技术。同时对常用车牌定位技术及字 符分割技术进行研究比较，选取适用于本论文的方法，最后论述这两项技术的选取对车牌字 符识别的影响。 对于车牌字符特征提取，研究了常用字符特征及其提取方法，分析得出这些方法都未考 虑复杂光照的影响，于是将人脸识别领域中具有光照鲁棒性的局部二值模式（LBP）特征提 取算法加以适当改进并应用到车牌识别系统中。在重点研究 LBP 和弹性网格的特征提取方法 基础上，提出了一种基于 LBP 和弹性网格的联合字符特征提取方法。 在车牌字符识别部分，研究分析了现有车牌字符识别算法，得出会因样本空间分类多存 在网络训练失败的缺点，而卷积神经网络（CNN）采用基于梯度的改进反向传播算法，能有 效克服上述缺点，故将 CNN 用于车牌字符识别。根据 CNN 算法原理及本文中所用车牌字符 图像特点，设计出六层的卷积神经网络结构。最终试验结果表明，对不同光照条件下车牌字 符图像能够达到 95%的识别准确率，满足了光照鲁棒性和高识别率的设计要求。 关键词: 车牌识别，光照鲁棒性，特征提取，局部二值模式，卷积神经网络 I Abstract As one of the core technology in intelligent transportation systems(ITS), license plate recognition(LPR) technology is growing more and more important. Although the current LPR technology has made a lot of achievements, the existing LPR systems can achieve satisfactory results only under ideal illumination conditions. The true illumination conditions vary from minute to minute, in order to make LPR technology to practical application, the research on improving the illumination robustness of LPR systems still has certain theoretical and practical significance. Based on the analysis of domestic and foreign LPR systems, according to the features of Chinese license plate, the research on feature extraction and recognition methods of license plate charact