車牌檢測(cè)與識(shí)別技術(shù)的研究.pdf

1、車牌檢測(cè)與識(shí)別技術(shù)作為數(shù)字圖像處理與模式識(shí)別技術(shù)在智能交通領(lǐng)域中的重要研究課題，廣泛應(yīng)用于小區(qū)停車管理、公路收費(fèi)和交通管理等各個(gè)領(lǐng)域，具有較高的理論價(jià)值和一定的實(shí)用價(jià)值。
　　車牌檢測(cè)與識(shí)別技術(shù)主要由三個(gè)部分組成:車牌定位、字符分割和字符識(shí)別。目前存在的問(wèn)題是弱光或者反光、車牌污損、顏色漂移和復(fù)雜背景下的車牌定位率低;字符分割的自適應(yīng)力不足，對(duì)斷裂或者粘連字符的分割效果不佳;筆劃不規(guī)則、殘缺的漢字識(shí)別率低等。在分析和總結(jié)了現(xiàn)有車牌

2、檢測(cè)與識(shí)別技術(shù)的基礎(chǔ)上，提出了完整的車牌檢測(cè)與識(shí)別技術(shù)方案，有效緩解目前算法存在的問(wèn)題。本文的研究工作主要包括以下幾個(gè)方面:
　　1.車牌定位。針對(duì)光線差、車牌污損等問(wèn)題，采用自定義邊緣檢測(cè)算子增強(qiáng)車牌紋理對(duì)比度;融合紋理特征和車牌RGB顏色特征，解決顏色漂移和復(fù)雜背景干擾;利用區(qū)域重心法實(shí)現(xiàn)車牌精確定位。實(shí)驗(yàn)證明提出的車牌定位算法在自然條件下的定位率可以達(dá)到97％以上。
　　2.車牌字符分割。以PCA算法校正車牌，再利用車

3、牌高度和垂直投影得到的波峰波谷計(jì)算自適應(yīng)字符寬度;結(jié)合車牌字符規(guī)格的先驗(yàn)知識(shí)，從中間波峰開始分析字符的斷裂和粘連狀態(tài);在完成波峰字符概率計(jì)算基礎(chǔ)上選擇概率最大的7個(gè)連續(xù)波峰作為分割字符。在復(fù)雜情況下的字符分割率達(dá)到92％，較好解決了字符分割中的斷裂、粘連等問(wèn)題。
　　3.車牌字符識(shí)別。構(gòu)建標(biāo)準(zhǔn)漢字和半字模板庫(kù)，將待識(shí)別字符與模板進(jìn)行相與、異或運(yùn)算提取漢字特征，以自定義的匹配算子進(jìn)行模板匹配識(shí)別字符，解決漢字殘缺和筆劃不規(guī)則等識(shí)別難