基于改进BP神经网络车牌识别的研究

摘要

车牌识别系统、(License Plate Recognition System,LPRS)是智能交通系统(Intelligent Transport System,ITS)一个重要组成部分。随着我国经济的飞速发展,汽车的总量也大幅度增加,汽车在给人们带来方便的同时,也出现了很多问题,所以LPRS的研究也显得越来越重要。LPRS应用十分广泛,例如失窃车辆侦查、不停车缴费、城市道路监控、违章车辆管理、停车场管理、部分重要部门内部车辆识别等等。随着ITS的日益普及,研究更为稳定、快速、准确的车牌识别技术具有巨大的实用意义和社会价值。
　　 本文通过对改进的BP神经网络进行研究并应用于车牌识别,阐述了车牌识别的全过程,并且对汉字字符特征的提取方法进行改进,最后根据实验结果证明了该方法对于以往识别系统的识别效果有一定的改善。
　　 车牌识别系统主要包含车牌定位、车牌分割、字符识别三个组成部分,本文工作也主要针对以上三个部分进行。
　　 1、车牌定位:首先对人们提出的车牌定位方法进行总结分类,对车牌的特征进行分析,对图像灰度化效果不好的图片进行灰度拉伸,试验各种微分算子对图像进行边缘检测,经对比分析确定选用sobel算子,对边缘检测图像进行形态学处理。根据车牌的每一行、每一列的黑色像素总数来提取车牌的具体位置,对于部分难以提取的车牌,论述了基于颜色的车牌提取技术。
　　 2、车牌分割:在车牌分割部分中,详细介绍了目前图像分割中的各种技术,然后对与之前提取的车牌进行二值化处理,车牌背景色的统一,车牌的倾斜校正、去除边框等图像的预处理,然后将字符图像分割提取出来并进行归一化处理。
　　 3、字符识别:识别部分首先论述了车牌字符识别相对于其它字符识别技术的特殊性,并对字符的特征进行提取,针对于汉字与字母和数字在结构上的不同,提出了两种字符特征提取方法。详细描述了BP神经网络的算法与改进,并且基于改进的BP神经网络分别对汉字、大写字母、大写字母加数字进行识别。
　　 经试验证明,本文提出的方法具有较好的效果,尤其是对车牌的定位的准确率和字符识别方面对于以往的车牌识别系统有较大的改善和提高。