基于神經網絡的車牌識別技術的研究.pdf

1、車牌識別系統(tǒng)是現(xiàn)代智能交通系統(tǒng)的重要組成部分，在智能交通管理、治安檢查中有著十分廣闊的應用前景，是目前國內外研究的熱點。 本文對車牌識別系統(tǒng)中圖像預處理、車牌定位、車牌圖像二值化、字符分割、字符識別5個關鍵環(huán)節(jié)進行了分析研究，具體如下： (1)圖像的預處理：分析了傳統(tǒng)的灰度拉伸變換和圖像直方圖均衡法，針對全局圖像增強算法存在噪聲過增強的問題，提出了基于分塊思想的局部圖像增強算法。該算法只對車牌相似區(qū)域進行局部增強，可以對

2、車牌區(qū)域的圖像進行有效地增強，且引入的背景噪聲較少，特別適合需要局部增強的低對比度車輛圖像的處理。 (2)車牌的定位：針對復雜背景下的彩色圖像中車牌定位精度低的問題，提出一種基于字符邊緣檢測和顏色特征的車牌定位方法。根據(jù)圖像中車牌區(qū)域含有豐富的邊緣，首先進行垂直邊緣檢測，然后去除大量背景和噪聲邊緣，接著通過對垂直邊緣的統(tǒng)計分析確定2個候選區(qū)，再結合車牌的顏色特征確定最終的車牌圖像區(qū)域。該方法具有準確率高，魯棒性好的特點。

3、 (3)車牌圖像二值化：針對車牌字符光照的復雜特征，提出一種改進背景補償?shù)能嚺茍D像二值化算法。首先使用同態(tài)濾波增強車牌圖像從而減弱光照不均等帶來的影響，然后使用改進的背景補償算法對車牌圖像進行二值化。該方法能有效地克服光照不均等帶來的影響，二值化效果良好。 (4)字符的分割：針對定位后車牌區(qū)域的噪聲影響以及存在不可避免的某種程度的傾斜，提出了基于字符特征的車牌傾斜矯正算法直接對二值車牌圖像進行矯正，然后采用基于垂直投影和車牌先驗

4、知識的字符分割方法從矯正后的車牌圖像中分割出單個字符。該方法可以有效地解決字符分割時出現(xiàn)的斷裂、粘連和幾何失真等問題，分割效果好。 (5)字符的識別：根據(jù)國內車牌字符的特殊性，采用一種特征提取與BP神經網絡算法相結合的分類識別技術。選取字符的粗網格特征作為字符的識別特征，以改進后的粗網格特征輸入到BP神經網絡分類器中進行車牌字符識別研究。針對易混淆的字符設計神經網絡細分類器，進一步提取突出相似字符差別的局部細微差異特征;針對漢字