基于单位联接脉冲耦合神经网络的车牌识别

摘要

车牌识别是智能交通中一个重要的组成部分。随着车辆的增多，智能交通越来越体现出其价值。车牌识别还在无人管理车库、校区安全、社区安全、道路状况调控等交通监控系统中得到了广泛的应用，发挥着缓解值勤人员工作压力的作用。因此，对车牌识别的研究成为了这段时期的研究热点。
　　车牌识别分为车牌定位、字符分割和字符识别三个主要步骤。对每个步骤的独立研究可以提升车牌识别效率;对三个步骤共同研究则可以提升算法的连贯性和识别效率。这篇论文对车牌识别算法进行了探讨，并介绍了以下三方面的工作:
　　一、提出了基于单位联接脉冲耦合神经网络的车牌定位方法。该定位算法首先用单位联接PCNN对输入车牌图像的某个灰度通道进行点火处理;接着，找出点火图像中带有车牌特征的区域;第三，进一步判断该区域是否符合车牌长宽比特征;最后，对图像进行倾斜校正并输出校正后的车牌区域图像。输出的车牌图像为二值图像。
　　二、提出了用单位联接脉冲耦合神经网络改进投影法字符分割算法。基于同车牌定位算法中同样结构的脉冲耦合神经网络，可对二值图像进行空洞填充。用该空洞填充法对二值车牌图像进行处理后;再寻找处理后车牌图像中线上的有效联通域;然后，对中线上的联通域进行分析以规整字符的尺寸;第四，用投影法寻找车牌字符的边界并结合联通域分析完成字符分割。改进后的分割方法不但提升了分割率，还提升了字符识别率，这是因为改进后的分割方法能将同一个车牌的字符归一化。
　　三、提出了以点火图像序列和空洞数为特征的字符识别方法。并使用投票方式度量待识别字符和模板字符对应特征间的差异。仍然基于单位联接PCNN，对分割出的字符进行细化、点火和空洞提取;对细化、点火特征和空洞特征赋予不同的投票权重，将待识别字符的特征和模板字符的对应特征进行比较并投票;将得票最高模板对应的字符作为未知字符的识别结果。
　　本文提出的车牌识别算法分为主要的三个子算法，分别实现车牌定位，字符分割和字符识别，且这三个子算法都应用单位联接脉冲耦合神经网络。三个子算法中的PCNN结构一致，仅改变初始值和输出判定条件即可，一改以往应用PCNN需要复杂设置的状况。单位联接PCNN在车牌定位和字符识别算法中，用于核心算法的实现;而在字符分割中，则起到辅助作用，提升了原算法。这些都验证了PCNN在图像处理的应用潜力和优势。

目录

摘要

第1章 绪论

1．1 车牌识别的研究背景

1．1．1 车牌识别研究的现状

1．1．2 单位联接脉冲耦合神经网络概述

1．2 概述本文提出的车牌识别算法

1．3 论文的贡献

1．4 本文的章节安排

第2章 单位联接脉冲耦合神经网络在车牌定位中的应用

2．1 车牌定位的原理

2．2 脉冲耦合神经网络

2．2．1 脉冲耦合神经网络的结构

2．2．2 用于图像处理的脉冲耦合神经网络

2．3 基于单位联接脉冲耦合神经网络的车牌定位算法

2．3．1 单位联接PCNN的图像边缘检测法

2．3．2 基于单位联接PCNN边缘检测法的车牌定位算法

2．3．3 算法流程总结

2．4 实验结果及比较结果

2．5 本章小结

第3章 单位联接脉冲耦合神经网络在字符分割算法中的应用

3．1 基于单位联接脉冲耦合神经网络的空洞滤波介绍

3．2 投影法字符分割算法的改进

3．3 算法流程总结

3．4 实验结果

3．5 本章小结

第4章 单位联接脉冲耦合神经在车牌字符识别中的应用

4．1 单位联接脉冲耦合神经网络点火序列图像的获取

4．2 基于单位联接脉冲耦合神经网络点火序列的字符识别法

4．3 通过单位联接脉冲耦合神经网络细化二值图像

4．3．1 基于单位联接PCNN的字符特征提取

4．3．2 字符识别规则

4．3．3 算法流程总结

4．4 使用空洞特征提高字符识别器性能

4．4．1 引入单位联接PCNN空洞滤波的必要性

4．4．2 新的特征及字符识别规则

4．4．3 算法流程总结

4．5 实验结果

4．6 本章小结

第5章 总结和展望

参考文献

攻读硕士学位期间发表的论文

致谢

声明