基于人工神經網絡的車牌識別系統(tǒng)的研究.pdf

1、車牌識別問題作為現(xiàn)代交通工程領域中研究的重點和熱點問題之一，受到越來越多人們的關注。 本文通過對車牌識別系統(tǒng)中車牌定位、圖像預處理、字符分割、字符識別四個關鍵環(huán)節(jié)的分析研究，設計了一個完整的車牌識別系統(tǒng)，并在MATLAB環(huán)境下進行了仿真模擬。 在車牌的定位部分，本文采用的是基于顏色特征和紋理特征的車牌定位方法。該方法首先將彩色圖片從RGB空間轉換到HIS空間，利用藍底白字車牌中藍色的色度H為240°左右，且飽和度S值較大

2、的特點，實現(xiàn)了車牌的粗定位。然后再對粗定位后的圖像利用Canny算子進行邊緣檢測，根據車牌部分圖像黑白跳變頻率較高的特征，最終實現(xiàn)了車牌的精確定位。 在圖像的預處理部分，本文將得到的車牌定位圖像進行了灰度化處理，并利用了Otsu法將灰度圖像轉換為二值圖像。由于在實際中車牌的邊框和上下鉚釘會對車牌的識別工作形成干擾，因此在該部分中對車牌的邊框和鉚釘進行了去除。 在字符的分割部分，本文依據現(xiàn)行的車牌設計原則，利用改進后的水平

3、投影法，將車牌圖像分割7個待識別字符，并對分割后的字符進行了歸一化處理。實踐證明該方法對解決漢字的不連通問題、字符的粘連問題、噪聲的干擾問題以及車牌的前2個字符和后面5個字符之間存在的小圓點問題是行之有效的。 在字符的識別部分，采用改進后的BP神經網絡，針對漢字、字母、字母或數字、數字四種不同的識別問題，設計了四種不同的分類器。利用13特征提取法進行特征提取，將其結果作為網絡的輸入，最后將不同的識別結果組合得到車牌號碼。本文選取