基于小波包分析和BP神經(jīng)網(wǎng)絡(luò)的車牌識別算法的研究.pdf

1、車牌自動識別技術(shù)是現(xiàn)代智能交通系統(tǒng)中的一項非常重要的技術(shù)，是近年來研究熱點。智能交通系統(tǒng)在車輛跟蹤、高速公路自動收費、停車場自動計費以及城市交通流量統(tǒng)計等方面發(fā)揮著極其重要的作用，而牌照是車輛的唯一標(biāo)志，因此車牌自動識別技術(shù)在整個系統(tǒng)中處于核心的地位，具有重要的研究意義。國內(nèi)外的研究人員已經(jīng)開始對車牌自動識別技術(shù)開展了深入地研究，提出了許多算法和方案，同時有一些產(chǎn)品已經(jīng)投入使用，但是因為其效果未能達到人們所期望的要求，離真正實用和通用的

2、要求還有一定的差距。因此在如何提高車牌定位和識別算法的正確性和實時性方面，還存在較大的研究空間。
　　 本文在繼承前人研究成果的基礎(chǔ)上，將先進的理論工具--小波包變換運用到車牌識別中來，主要工作有以下幾個方面：(1)車牌定位；(2)字符分割；(3)字符識別。
　　 在車牌定位方面，首先對車牌圖像進行灰度變換、平滑處理，通過分析傳統(tǒng)圖像增強的方法，提出了一種基于小波包變換的增強算法；結(jié)合邊緣檢測、形態(tài)學(xué)處理、投影法等算法，

3、提出了一種基于車牌紋理特征的車牌定位算法。經(jīng)過實驗證明，該算法達到了預(yù)期的效果，從原始圖像中提取出車牌的準(zhǔn)確度超過92.9％。
　　 在字符分割方面，采用小波包變換的多分辨率方法，對車牌圖像進行去噪處理，然后利用垂直投影和先驗知識相結(jié)合的方法分割出單個字符區(qū)域。該算法的準(zhǔn)確率和抗干擾性要比傳統(tǒng)的投影算法要好得多。
　　 在字符識別方面，首先分析了字符識別的兩種常用方法——模板匹配法和神經(jīng)網(wǎng)絡(luò)法；提出了用小波包提取特征能量