基于小波和神經(jīng)網(wǎng)絡(luò)的車牌識別系統(tǒng)研究.pdf

1、車牌自動識別(LPR)技術(shù)是是智能交通系統(tǒng)(ITS)中一項非常重要的技術(shù)。車牌識別系統(tǒng)主要包括三個部分：車牌定位、車牌字符分割和車牌字符識別。本文針對車牌識別系統(tǒng)的三個關(guān)鍵技術(shù)進行了研究并提出了相應(yīng)的算法，論文研究工作具體體現(xiàn)在以下幾個方面： (1) 從國內(nèi)車牌的特點出發(fā)，提出了一種基于能量濾波和小波的車牌定位方法。根據(jù)車牌在水平方向能量高且集中的特點構(gòu)造一個能量函數(shù)，能量濾波后獲取車牌的大致位置，再由小波分析和形態(tài)學(xué)方法準確確

2、定車牌位置。仿真結(jié)果表明該方法取得了滿意的效果。 (2) 針對車牌字符分割，提出了一種基于神經(jīng)網(wǎng)絡(luò)和顏色特征的車牌字符分割方法。該方法直接對車牌的彩色圖像進行處理，在判別車牌類型的基礎(chǔ)上，采用神經(jīng)網(wǎng)絡(luò)對車牌顏色進行識別，將彩色圖像轉(zhuǎn)化為二值圖像，最后結(jié)合投影法和字符連通性特點對字符進行分割。與基于灰度圖像的字符分割方法比較，該方法能更準確、清晰地分割字符。 (3) 在進行車牌字符識別時，特征向量的選取與維數(shù)對識別結(jié)果產(chǎn)生

3、很大的影響。本文提出了一種基于小波包和Zernike矩特征提取的車牌字符識別方法。對小波包系數(shù)和重構(gòu)后所得圖像的Zernike矩所組成的特征空間進行降維處理后，將特征向量作為神經(jīng)網(wǎng)絡(luò)訓(xùn)練和分類的參數(shù)對車牌中的數(shù)字進行識別，實驗結(jié)果表明選用本文特征向量識別效果良好。 (4) 根據(jù)國內(nèi)汽車車牌中字符排列的特點，提出了一種基于SVM混合網(wǎng)絡(luò)的車牌字符識別方法。首先構(gòu)造了漢字識別子網(wǎng)、英文字母識別子網(wǎng)、英文字母與數(shù)字識別子網(wǎng)以及數(shù)字識別

4、子網(wǎng)，并提取字符的小波包系數(shù)和．Zernike矩做為特征向量，然后在各個子網(wǎng)中采用SVM方法對車牌字符進行識別。實驗結(jié)果表明，采用本文方法的識別效果優(yōu)于BP神經(jīng)網(wǎng)絡(luò)及RBF神經(jīng)網(wǎng)絡(luò)識別方法。 (5) 以高斯核為其核函數(shù)的支持向量機識別性能對懲罰因子c和核函數(shù)參數(shù)σ的選取是敏感的。針對高斯核支持向量機在車牌字符識別問題中的應(yīng)用，提出了一種基于遺傳算法的參數(shù)選擇方法。利用遺傳算法對支持向量機的參數(shù)進行優(yōu)化，最后在各個子網(wǎng)中分別采用參