復雜自然環(huán)境下車牌識別算法研究.pdf

1、車牌識別技術是智能交通系統(tǒng)中的重要組成部分，是計算機視覺、圖像處理與模式識別在智能交通領域的重要研究課題之一。但在實際環(huán)境下采集到的車牌圖像，容易受到光照變化、尺度變化、目標干擾等諸多不利因素影響，因此在復雜多變的自然下識別車牌仍然是一個十分具有挑戰(zhàn)的課題。車牌識別技術主要解決車牌的定位、分割、識別三個問題。本文分別對這三個部分進行了研究，并提出了相應算法。
　　本文提出了一種基于目標區(qū)域的車牌定位算法，采用逐步求精的定位策略。該

2、算法適用于光照變化、尺度變化和目標干擾等復雜的自然環(huán)境。本文引入了Selective Search算法對輸入圖像進行目標區(qū)域提取，根據(jù)車牌特征篩選出車牌候選區(qū)域，并通過一個預訓練的支持向量機對候選區(qū)域進行判別，保留車牌區(qū)域。對獲得車牌區(qū)域進行非極大值(NMS)抑制剔除重合區(qū)域。最后精確定位到車牌位置。
　　本文提出了一種基于連通區(qū)域的字符分割算法。該算法首先對輸入車牌進行預處理和傾斜校正，結合連通區(qū)域標記法和數(shù)學形態(tài)學處理法獲得字

3、符區(qū)域。同時，本文對傳統(tǒng)的字符歸一化方法進行了改進，有效的解決了由字符歸一化造成的字符形變的問題。
　　本文提出了一種基于卷積神經(jīng)網(wǎng)絡的車牌字符識別算法，設計了兩個卷積網(wǎng)絡NET1和NET2，其中NET1用做識別漢字，NET2用做識別字母和數(shù)字。本文引入了rectifier作為神經(jīng)元的激活函數(shù)，并使用mini-batch隨機梯度下降法訓練網(wǎng)絡，可以加速目標函數(shù)的收斂。采用卷積神經(jīng)網(wǎng)絡可以從輸入的字符圖像中自動提取出圖像特征，并進行