基于神經(jīng)網(wǎng)絡(luò)的車牌識(shí)別技術(shù)的研究.pdf

1、車牌識(shí)別系統(tǒng)是現(xiàn)代智能交通系統(tǒng)的重要組成部分，在智能交通管理、治安檢查中有著十分廣闊的應(yīng)用前景，是目前國內(nèi)外研究的熱點(diǎn)。 本文對(duì)車牌識(shí)別系統(tǒng)中圖像預(yù)處理、車牌定位、車牌圖像二值化、字符分割、字符識(shí)別5個(gè)關(guān)鍵環(huán)節(jié)進(jìn)行了分析研究，具體如下： (1)圖像的預(yù)處理：分析了傳統(tǒng)的灰度拉伸變換和圖像直方圖均衡法，針對(duì)全局圖像增強(qiáng)算法存在噪聲過增強(qiáng)的問題，提出了基于分塊思想的局部圖像增強(qiáng)算法。該算法只對(duì)車牌相似區(qū)域進(jìn)行局部增強(qiáng)，可以對(duì)

2、車牌區(qū)域的圖像進(jìn)行有效地增強(qiáng)，且引入的背景噪聲較少，特別適合需要局部增強(qiáng)的低對(duì)比度車輛圖像的處理。 (2)車牌的定位：針對(duì)復(fù)雜背景下的彩色圖像中車牌定位精度低的問題，提出一種基于字符邊緣檢測(cè)和顏色特征的車牌定位方法。根據(jù)圖像中車牌區(qū)域含有豐富的邊緣，首先進(jìn)行垂直邊緣檢測(cè)，然后去除大量背景和噪聲邊緣，接著通過對(duì)垂直邊緣的統(tǒng)計(jì)分析確定2個(gè)候選區(qū)，再結(jié)合車牌的顏色特征確定最終的車牌圖像區(qū)域。該方法具有準(zhǔn)確率高，魯棒性好的特點(diǎn)。

3、 (3)車牌圖像二值化：針對(duì)車牌字符光照的復(fù)雜特征，提出一種改進(jìn)背景補(bǔ)償?shù)能嚺茍D像二值化算法。首先使用同態(tài)濾波增強(qiáng)車牌圖像從而減弱光照不均等帶來的影響，然后使用改進(jìn)的背景補(bǔ)償算法對(duì)車牌圖像進(jìn)行二值化。該方法能有效地克服光照不均等帶來的影響，二值化效果良好。 (4)字符的分割：針對(duì)定位后車牌區(qū)域的噪聲影響以及存在不可避免的某種程度的傾斜，提出了基于字符特征的車牌傾斜矯正算法直接對(duì)二值車牌圖像進(jìn)行矯正，然后采用基于垂直投影和車牌先驗(yàn)

4、知識(shí)的字符分割方法從矯正后的車牌圖像中分割出單個(gè)字符。該方法可以有效地解決字符分割時(shí)出現(xiàn)的斷裂、粘連和幾何失真等問題，分割效果好。 (5)字符的識(shí)別：根據(jù)國內(nèi)車牌字符的特殊性，采用一種特征提取與BP神經(jīng)網(wǎng)絡(luò)算法相結(jié)合的分類識(shí)別技術(shù)。選取字符的粗網(wǎng)格特征作為字符的識(shí)別特征，以改進(jìn)后的粗網(wǎng)格特征輸入到BP神經(jīng)網(wǎng)絡(luò)分類器中進(jìn)行車牌字符識(shí)別研究。針對(duì)易混淆的字符設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)細(xì)分類器，進(jìn)一步提取突出相似字符差別的局部細(xì)微差異特征;針對(duì)漢字