車牌識(shí)別系統(tǒng)的設(shè)計(jì)與開發(fā).pdf

1、車牌識(shí)別是智能交通系統(tǒng)(ITS)的重要組成部分，本文以汽車牌照自動(dòng)識(shí)別技術(shù)作為研究背景，以靜態(tài)車輛圖像為主要對(duì)象，深入研究了計(jì)算機(jī)圖像處理、人工智能、模式識(shí)別等背景知識(shí)，探索了用數(shù)字圖像知識(shí)處理車牌識(shí)別的方法。 本文主要針對(duì)車牌自動(dòng)識(shí)別系統(tǒng)涉及到的一些關(guān)鍵技術(shù)進(jìn)行了研究，重點(diǎn)探討了在較為復(fù)雜背景下的車牌定位、傾斜校正、字符分割以及神經(jīng)網(wǎng)絡(luò)識(shí)別字符的算法。 在車牌定位方面，本文根據(jù)SCW(Sliding Concentri

2、c Windows)方法和數(shù)學(xué)形態(tài)學(xué)方法提出了一種新的車牌定位方法。與其它方法相比，該方法對(duì)車牌在圖像中的位置，拍攝的角度，距離，光照，車牌的背景沒有太嚴(yán)格的限制，并能一次定位出圖像中的多幅車牌。另外，算法的處理時(shí)間也滿足實(shí)時(shí)性要求。基于該方法寫成的論文已被IEEE international conference on fuzzy system and knowledge di scovery 2008接收。 在車牌字符的分割

3、方面，本系統(tǒng)使用了有效的方法進(jìn)行車牌傾斜矯正，圖像的二值化操作以及噪音的消除。并通過對(duì)車牌的灰度投影圖的分析有效準(zhǔn)確地把車牌字符分割出來。 而在車牌字符識(shí)別上，本系統(tǒng)采用了BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)做識(shí)別。通過了在輸入特征，網(wǎng)絡(luò)結(jié)構(gòu)，訓(xùn)練樣本上的學(xué)習(xí)與實(shí)驗(yàn)，在識(shí)別上取得了不錯(cuò)的效果。 本文用了120幅實(shí)地拍攝的圖片作實(shí)驗(yàn)。通過實(shí)驗(yàn)表明，該系統(tǒng)能有效地識(shí)別復(fù)雜背景中的車牌。識(shí)別成功率達(dá)到80％以上。