光照魯棒的車牌識別系統(tǒng)的設(shè)計與實現(xiàn).pdf

1、車牌識別（LPR）技術(shù)作為智能交通系統(tǒng)（ITS）的核心技術(shù)之一，其重要性日益增加。盡管目前車牌識別技術(shù)已取得大量研究成果，但現(xiàn)有的車牌識別系統(tǒng)都是在理想的光照條件下才能取得令人滿意的效果。真實的光照條件瞬息萬變，為讓車牌識別技術(shù)真正走向?qū)嶋H應(yīng)用，研究提高車牌識別系統(tǒng)的光照魯棒性依然具有一定的理論和實際意義。
　　本文在分析國內(nèi)外車牌識別系統(tǒng)的基礎(chǔ)上，根據(jù)我國車牌特征，重點研究了車牌字符的特征提取方法和識別方法，以提高復(fù)雜光照下車牌

2、識別系統(tǒng)的識別率，具體研究內(nèi)容包括：
　　針對車牌圖像預(yù)處理，討論了車牌識別技術(shù)中常用的圖像預(yù)處理方法，包括圖像灰度化和二值化、圖像增強技術(shù)、圖像形態(tài)學(xué)處理和邊緣檢測技術(shù)。同時對常用車牌定位技術(shù)及字符分割技術(shù)進行研究比較，選取適用于本論文的方法，最后論述這兩項技術(shù)的選取對車牌字符識別的影響。
　　對于車牌字符特征提取，研究了常用字符特征及其提取方法，分析得出這些方法都未考慮復(fù)雜光照的影響，于是將人臉識別領(lǐng)域中具有光照魯棒性的

3、局部二值模式（LBP）特征提取算法加以適當(dāng)改進并應(yīng)用到車牌識別系統(tǒng)中。在重點研究LBP和彈性網(wǎng)格的特征提取方法基礎(chǔ)上，提出了一種基于LBP和彈性網(wǎng)格的聯(lián)合字符特征提取方法。
　　在車牌字符識別部分，研究分析了現(xiàn)有車牌字符識別算法，得出會因樣本空間分類多存在網(wǎng)絡(luò)訓(xùn)練失敗的缺點，而卷積神經(jīng)網(wǎng)絡(luò)（CNN）采用基于梯度的改進反向傳播算法，能有效克服上述缺點，故將CNN用于車牌字符識別。根據(jù)CNN算法原理及本文中所用車牌字符圖像特點，設(shè)計出