基于RBF神经网络的车牌识别技术的研究

摘要

车牌识别是智能交通控制的核心技术之一，这项技术融合了计算机技术、图像处理、模式识别等众多学科，也是最近几年在交通领域中的重要研究课题。目前，车牌字符识别精度和识别速度成为了研究热点。
　　 本文设计的基于RBF神经网络的车牌识别系统包含了:图像预处理、车牌定位、字符分割、字符识别等方面，解决了车牌识别的问题。
　　 图像预处理阶段，对图像进行了灰度化、中值滤波、灰度拉伸、二值化等处理。在这一过程中，采用OTSU法对图像进行了二值化处理，达到了理想效果，去除了图像的噪声，为车牌定位和字符分割奠定了基础。
　　 针对车牌定位中的问题，本文提出并采用基于数学形态学法对边缘检测后图像的车牌进行了精确定位，然后对定位后的车牌进行了校正和去边框处理，保证了图像的质量。阐述了车牌字符的一些基本特征，基于这些特征采用一种改进的水平投影法对车牌进行了字符分割。
　　 在叙述RBF神经网络的基本结构和学习过程后，设计并训练了RBF网络对分割后的字符进行了识别。
　　 最后经过大量试验证明，本文采用的基于RBF神经网络的车牌识别方法可以达到很好地识别效果，识别率较高，具有较高的实用价值。

目录

声明

摘要

第1章 绪论

1．1 课题的研究背景与意义

1．2 车牌识别技术综述

1．2．1 车牌自动识别系统构成

1．2．2 车牌识别系统的关键技术

1．3 车牌识别技术发展现状及应用前景

1．3．1 车牌识别技术发展现状

1．3．2 车牌识别技术应用前景

1．4 本文主要研究内容

第2章 车牌图像预处理

2．1 车牌图像灰度化

2．2 车牌图像增强

2．2．1 灰度变换

2．2．2 图像滤波

2．3 图像二值化

2．4 本章小结

第3章 车牌定位与字符分割技术研究

3．1 车牌定位技术

3．1．1 车牌特征及定位方法

3．1．2 边缘检测

3．1．3 基于数学形态学的车牌定位

3．2 车牌倾斜校正及边框处理

3．2．1 车牌倾斜校正

3．2．2 车牌边框处理

3．3 字符分割技术

3．3．1 传统字符分割方法

3．3．2 本文采用的字符分割方法

3．4 本章小结

第4章 基于RBF神经网络的字符识别

4．1 人工神经网络综述

4．1．1 神经网络的发展

4．1．2 神经网络特征

4．1．3 神经网络的研究内容及应用

4．2 RBF神经网络简介

4．2．1 RBF神经网络的基本结构

4．2．2 RBF神经网络的学习过程

4．2．3 本文改进的学习算法

4．3 RBF神经网络结构设计

4．3．1 字符归一化与特征提取

4．3．2 神经网络参数确定

4．4 字符识别的实验结果

4．5 本章小结

结论

参考文献

攻读学位期间发表的学术论文

致谢