基于人工神經(jīng)網(wǎng)絡(luò)的車(chē)牌識(shí)別系統(tǒng)的研究.pdf

1、車(chē)牌識(shí)別問(wèn)題作為現(xiàn)代交通工程領(lǐng)域中研究的重點(diǎn)和熱點(diǎn)問(wèn)題之一，受到越來(lái)越多人們的關(guān)注。 本文通過(guò)對(duì)車(chē)牌識(shí)別系統(tǒng)中車(chē)牌定位、圖像預(yù)處理、字符分割、字符識(shí)別四個(gè)關(guān)鍵環(huán)節(jié)的分析研究，設(shè)計(jì)了一個(gè)完整的車(chē)牌識(shí)別系統(tǒng)，并在MATLAB環(huán)境下進(jìn)行了仿真模擬。 在車(chē)牌的定位部分，本文采用的是基于顏色特征和紋理特征的車(chē)牌定位方法。該方法首先將彩色圖片從RGB空間轉(zhuǎn)換到HIS空間，利用藍(lán)底白字車(chē)牌中藍(lán)色的色度H為240°左右，且飽和度S值較大

2、的特點(diǎn)，實(shí)現(xiàn)了車(chē)牌的粗定位。然后再對(duì)粗定位后的圖像利用Canny算子進(jìn)行邊緣檢測(cè)，根據(jù)車(chē)牌部分圖像黑白跳變頻率較高的特征，最終實(shí)現(xiàn)了車(chē)牌的精確定位。 在圖像的預(yù)處理部分，本文將得到的車(chē)牌定位圖像進(jìn)行了灰度化處理，并利用了Otsu法將灰度圖像轉(zhuǎn)換為二值圖像。由于在實(shí)際中車(chē)牌的邊框和上下鉚釘會(huì)對(duì)車(chē)牌的識(shí)別工作形成干擾，因此在該部分中對(duì)車(chē)牌的邊框和鉚釘進(jìn)行了去除。 在字符的分割部分，本文依據(jù)現(xiàn)行的車(chē)牌設(shè)計(jì)原則，利用改進(jìn)后的水平

3、投影法，將車(chē)牌圖像分割7個(gè)待識(shí)別字符，并對(duì)分割后的字符進(jìn)行了歸一化處理。實(shí)踐證明該方法對(duì)解決漢字的不連通問(wèn)題、字符的粘連問(wèn)題、噪聲的干擾問(wèn)題以及車(chē)牌的前2個(gè)字符和后面5個(gè)字符之間存在的小圓點(diǎn)問(wèn)題是行之有效的。 在字符的識(shí)別部分，采用改進(jìn)后的BP神經(jīng)網(wǎng)絡(luò)，針對(duì)漢字、字母、字母或數(shù)字、數(shù)字四種不同的識(shí)別問(wèn)題，設(shè)計(jì)了四種不同的分類(lèi)器。利用13特征提取法進(jìn)行特征提取，將其結(jié)果作為網(wǎng)絡(luò)的輸入，最后將不同的識(shí)別結(jié)果組合得到車(chē)牌號(hào)碼。本文選取