数字图像处理技术在汽车牌照识别系统中的应用

摘要

一个完整的汽车牌照识别系统工作流程一般由三部分组成:图像输入、汽车牌照定位、字符识别.本文主要讨论软-部分的工作,包括牌照定位与字符识别.围绕以上任务,本文对视频中运动物体的检测算法、汽车牌照的准确定位方法、字符的特征值提取算法、人工神经网络识别法等作了深入的研究与探讨.主要研究工作包括:运动检测中提出一种基于最长静止分段中点法的改进算法提取视频背景,以最大类间方差法求取最佳分割阀值,效果良好;并采用了直线拦阻算法直接寻找汽车牌照;以上方法的综合使用,可以较准确地判断出视频当前帧中有无车辆经过.在汽车牌照定位中,以彩色边缘颜色对法并辅以车牌结构特征、纹理特征等,较准确地提取出了汽车牌照位置.在字符特征提取时,以多种算法提取字符特征,达到了区别性好、数量少的基本要求.最后,在字符识别时以基于Levenberg-Marquardt算法的BP神经网络识别字符.实践证明,这种改进BP算法可以有效地提高识别率,并能减少陷入局部极小点的情况.

目录

文摘

英文文摘

学位论文版权使用授权书

同济大学学位论文原创性声明

第1章引言

1.1概述

1.2汽车牌照识别系统的组成及原理

1.3汽车牌照识别技术的应用与现状

1.3.1高速公路收费、监控管理的应用

1.3.2城市道路监控、违章管理方面的应用

1.3.3智能小区、智能停车场管理的应用

1.4汽车牌照识别系统在国内外的研究现状

1.5本文的工作

第2章视频图像的运动检测

2.1视频图像捕获

2.1.1 VFW技术简介

2.1.2视频图像捕获过程

2.2对运动物体的检测

2.2.1最长静止分段中点法

2.2.2视频背景的更新

2.2.3最佳分割阀值的求取(最大类间方差法)

2.3运动目标提取

2.3.1数学形态学算法的应用

2.3.2直线拦阻算法的应用

第3章汽车牌照定位

3.1彩色边缘颜色对

3.2彩色边缘检测算法

3.3神经网络判色并根据边缘颜色对分割车牌图像

3.4利用车牌结构特征和纹理特征分割车牌

3.4.1车牌结构特征

3.4.2根据车牌纹理特征确定车牌区域

第4章字符分割与特征提取

4.1牌照图像预处理

4.1.1彩色图像到灰度图像的变换

4.1.2梯度锐化

4.1.3灰度图像二值化

4.1.4去离散噪声

4.1.5倾斜度调整

4.2牌照图像预处理

4.2.1字符分割

4.2.2字符图像的归一化处理

4.3字符图像细化算法

4.3.1 Hilditch细化算法

4.3.2本文中采用的细化算法

4.4对车牌字符的简单分类

4.4.1封闭环分类

4.4.2图像中封闭环的搜索

4.5字符特征提取

4.5.1字符特征提取的基本概念

4.5.2逐象素特征提取法

4.5.3垂直方向数据统计特征提取法

4.5.4 13点特征提取法

4.5.5笔画方向特征提取法

4.5.6重心特征

第五章神经网络识别

5.1神经网络识别法概述

5.1.1神经元的基本模型

5.1.2神经网络的基本特性

5.2 BP算法及其缺陷

5.3 Levenberg-Marquardt算法

5.3.1 Levenberg-Marquardt最优化算法

5.3.2基于Levenberg-Marquardt最优化算法的BP算法

5.4 LM算法在本文中的应用

第六章结论与展望

6.1视频中对运动物体的检测是系统的第一步工作

6.2对汽车牌照的准确定位是系统的第二步工作

6.3对车牌字符的分割和特征提取是系统的第三步工作

6.4神经网络识别的实现是系统的第四步工作

致谢

参考文献

个人简历 在读期间发表的学术论文与研究成果