可配置的機(jī)動(dòng)車(chē)牌照識(shí)別系統(tǒng).pdf

1、機(jī)動(dòng)車(chē)輛牌照識(shí)別是現(xiàn)代智能交通中應(yīng)用最廣泛的一門(mén)技術(shù)。近年來(lái)關(guān)于車(chē)輛牌照識(shí)別系統(tǒng)的研究方法種類(lèi)很多，也達(dá)到了很好的效果。但是對(duì)于多種格式的牌照的通用性不太好，造成了重復(fù)開(kāi)發(fā)。而且解決車(chē)牌圖像中的噪聲和字符粘連等問(wèn)題也一直是研究的重點(diǎn)。 本文開(kāi)發(fā)了一種可配置的車(chē)牌識(shí)別系統(tǒng)，它能通過(guò)定義斜角、行數(shù)、模板參數(shù)、字符樣式等4個(gè)因素，適應(yīng)不同類(lèi)型的車(chē)牌。整個(gè)機(jī)動(dòng)車(chē)輛牌照識(shí)別系統(tǒng)由基于邊緣檢測(cè)的車(chē)牌定位、基于模板匹配和連通性分析的字符分割和

2、基于人工神經(jīng)元網(wǎng)絡(luò)的字符識(shí)別三個(gè)部分組成。 車(chē)牌定位算法采用的是垂直Sobel算子邊緣檢測(cè)，針對(duì)邊緣檢測(cè)后圖像中干擾邊緣的噪聲影響，加入了區(qū)域生長(zhǎng)，剔除了一些離散的邊緣。車(chē)牌字符分割算法中，利用車(chē)輛牌照的標(biāo)準(zhǔn)格式這一先驗(yàn)知識(shí)，首先對(duì)字符分布區(qū)域進(jìn)行粗分割，一定程度上解決了僅用連通分量提取對(duì)字符粘連抗干擾性差的缺陷。在字符識(shí)別算法中，采用了典型的三層BP神經(jīng)網(wǎng)絡(luò)，提取基于灰度值的字符結(jié)構(gòu)特征作為字符的特征，并根據(jù)車(chē)牌格式將識(shí)別系統(tǒng)