计算机视觉中的字符识别及软件开发

摘要

自动驾驶机器人,是一个集环境感知、规划决策、自动驾驶等多功能于一体的综合系统,是智能交通系统的一个重要组成部分.本文主要研究自动驾驶机器人视觉系统中的牌照字符定位以及识别.字符定位和识别是自动驾驶机器人必须要解决的智能化技术,它不仅仅应用到驾驶机器人以及各种自主式移动机器人上,还具有许多潜在的应用价值.本文首先针对不同环境下拍摄的图像采用不同的预处理方法:平滑线性滤波去除图像中的噪声,线性变换拉伸图像的灰度范围,而运动模糊图像复原能够有效克服由于运动而造成的模糊现象.接着对现有的各种算法进行分析和比较,在此基础上,设计一种新的基于Sobel算子定位算法,取得很好的效果.然后分别对字符区域图像进行二值化、分割和细化处理,使之成为满足要求的字符点阵.最后将基于字符特征库的识别方法同人工神经网络识别方法相结合,取得了较高的识别率和可靠性.另外还进行大量的编程调试工作.本文所涉及到的各种算法,均已编程实现,并编译成.dll文件,便于其他系统调用,整个系统模块化设计,易于维护.经过大量的试验证明:本文提出的算法是可行的,系统的识别率很高,同时实时性也很好,具有广阔的应用前景.

目录

文摘

英文文摘

第一章绪论

1.1问题的提出

1.2研究意义

1.3国内外研究现状

1.4自动驾驶机器人字符识别系统的构成

1.5本文的研究工作

第二章定位前预处理

2.1平滑线性滤波

2.2线性变换

2.3运动模糊图像复原

2.4本章小结

第三章字符定位

3.1现有定位算法介绍

3.1.1直接法

3.1.2神经网络法

3.1.3基于矢量量化(VQ)的定位方法

3.2新的有效字符定位算法

3.2.1 Sobel算子边缘检测

3.2.2定位算法

3.2.3对算法的讨论

3.3本章小结

第四章二值化、分割和细化

4.1二值化

4.1.1基本自适应阈值

4.2字符分割

4.2.1旋转变换

4.2.2字符分割

4.3细化算法

4.3.1 Hilditch细化算法

4.3.2闭曲线的细化

4.4本章小结

第五章字符识别

5、1模式识别概述

5.1.1模式识别系统

5、2字符特征库的建立

5.2.1特征库的组成

5.2.2基于特征库的字符识别

5、3人工神经网络

5.3.1人工神经网络及其在模式识别中的应用

5.3.2反向传播算法(BP算法)

5.3.3 BP算法的编程实现

5.3.4 BP算法用于字符识别

5.4本章小结

第六章软件开发

6、1动态链接库(DLL)

6、2数据库操作

第七章总结与展望

参考文献

致谢

发表论文的情况

西北工业大学学位论文知识产权声书及原创性声明