汽车牌照自动定位算法研究

摘要

汽车牌照自动识别技术是智能交通系统中的一个重要环节,广泛应用于不停车缴费、失窃车辆查寻、停车场车辆管理等场合.而牌照的定位是其中最为关键的技术,对整个识别系统的性能起着至关重要的作用.该文就是针对汽车牌照自动识别系统中的这一关键问题,在广泛分析、比较已有方法的基础上,研究更为有效的汽车牌照自动定位算法.该文的主要贡献有:1.提出了一种基于字符纹理特征的汽车牌照自动定位算法;该算法结合牌照区字符的纹理特征,首先将汽车图像中灰度值变化平缓的长水平线去掉,之后将小的区域去除,然后对留下的连通区域的几何特性、内部象素个数、边缘象素个数等信息进行分析,结合牌照的几何特征和投影特征,找出真正的牌照区域.2.提出了一种基于ELMAN神经网络的汽车牌照自动定位算法.该算法利用牌照区和非牌照区不同的梯度特征对神经网络进行训练,之后用训练好的神经网络对图像进行分类,最后结合牌照的投影特征和几何特征实现牌照的定位.通过实地拍摄的反映各种光照、天气、牌照样式等条件的汽车图像样本,对该文提出的算法进行了实验,结果表明,该文所提出的两种算法的准确定位率均可达99％,这些实验结果表明,该文所提出的汽车牌照自动定位算法是有效和实用的.

目录

文摘

英文文摘

创新性声明及关于论文使用授权的说明

第一章绪论

1.1概述

1.2 论文的项目背景及研究意义

1.3 本论文的主要研究成果

1.4 论文的结构安排

第二章研究现状

2.1概述

2.2 基于灰度图像的汽车牌照定位方法

2.2.1 基于边缘检测的定位方法

2.2.2 基于数学形态学的定位方法

2.2.3 基于神经网络的定位方法

2.2.4 基于矢量量化的定位方法

2.2.5 基于遗传算法的定位方法

2.2.6其它方法

2.3 基于彩色图像的汽车牌照定位方法

2.4小结

第三章基于字符纹理特征的汽车牌照自动定位方法

3.1概述

3.2预处理

3.2.1纠偏

3.2.2 对比度增强

3.3粗定位

3.3.1 水平线标记

3.3.2 面积筛选

3.3.3 连通域标记

3.3.4 牌照预选区筛选

3.4细定位

3.4.1区域扩展

3.4.2区域收缩

3.5 定位结果及分析

3.6小结

第四章基于ELMAN神经网络的汽车牌照自动定位方法

4.1概述

4.2 Elman神经网络技术

4.2.1拓扑结构

4.2.2 神经元特性

4.2.3学习规则

4.3 特征的选取

4.4 网络的训练

4.4.1停止条件

4.4.2训练过程

4.5定位过程

4.5.1预处理

4.5.2 神经网络分类

4.5.3后处理

4.5.4 定位结果及分析

4.6小结

第五章结论

致谢

参考文献

在校期间的研究成果