車(chē)牌識(shí)別系統(tǒng)中車(chē)牌定位與字符分割算法的研究.pdf

1、車(chē)牌識(shí)別系統(tǒng)作為智能交通系統(tǒng)的重要研究課題，它主要包括三個(gè)關(guān)鍵模塊：車(chē)牌定位、字符分割和字符識(shí)別。其中，車(chē)牌定位和字符分割的好壞直接決定后續(xù)字符識(shí)別的準(zhǔn)確率。本文在研究和分析國(guó)內(nèi)外學(xué)者在車(chē)牌定位和字符分割部分最新研究成果的基礎(chǔ)上，主要針對(duì)車(chē)牌定位和字符分割算法進(jìn)行研究。主要的工作及研究成果如下：
　　1.在車(chē)牌定位算法中，結(jié)合我國(guó)汽車(chē)牌照自身特征，本文提出一種基于簡(jiǎn)化脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN)和車(chē)牌綜合特征的車(chē)牌定位算法。算法分

2、為圖像預(yù)處理、車(chē)牌區(qū)域粗定位和車(chē)牌區(qū)域精確定位三個(gè)步驟。針對(duì)彩色圖像數(shù)據(jù)量大和光照不足時(shí)圖像對(duì)比度較小的問(wèn)題，對(duì)采集的圖像進(jìn)行灰度化、頂帽變換和灰度拉伸等預(yù)處理，再利用車(chē)牌區(qū)域具有密集邊緣的特征，使用Sobel算子對(duì)圖像進(jìn)行邊緣檢測(cè)，達(dá)到突出車(chē)牌區(qū)域的目的。在對(duì)車(chē)牌進(jìn)行粗定位過(guò)程中，對(duì)圖像進(jìn)行數(shù)學(xué)形態(tài)學(xué)處理來(lái)得到車(chē)牌候選區(qū)域，然后利用車(chē)牌的結(jié)構(gòu)、顏色和紋理特征來(lái)對(duì)候選區(qū)域進(jìn)行過(guò)濾，克服單一特征定位算法的不足。在精確定位前，針對(duì)汽車(chē)高速運(yùn)

3、動(dòng)帶來(lái)的圖像模糊，利用簡(jiǎn)化PCNN對(duì)車(chē)牌進(jìn)行二值化，并對(duì)車(chē)牌進(jìn)行傾斜檢測(cè)和校正；最后利用車(chē)牌區(qū)域的紋理跳變特征，采用行掃描和垂直投影結(jié)合顏色特征的方法來(lái)精確定位車(chē)牌。
　　2.在車(chē)牌字符分割算法中，首先對(duì)定位后的牌照進(jìn)行預(yù)處理，包括車(chē)牌圖像歸一化和灰度增強(qiáng)，提出了一種基于車(chē)牌顏色的歸一化方法。為了進(jìn)一步提高字符分割準(zhǔn)確率和克服現(xiàn)有算法的不足，本文提出一種基于連通域、垂直投影、識(shí)別反饋和先驗(yàn)知識(shí)的車(chē)牌字符分割算法。由于車(chē)牌分隔符區(qū)域

4、具有區(qū)別其他區(qū)域的特有特征，首先定位出分隔符區(qū)域，然后以分割符區(qū)域?yàn)閰⒖疾⒔Y(jié)合車(chē)牌字符特征，對(duì)分割符區(qū)域后面的五個(gè)字符采用基于連通域、垂直投影和識(shí)別反饋相結(jié)合的字符分割方法，在得到標(biāo)準(zhǔn)字符寬度后，對(duì)前面的兩個(gè)字符采用垂直投影結(jié)合先驗(yàn)知識(shí)的方法進(jìn)行分割；為了滿足識(shí)別的需要，最后對(duì)分割后的字符進(jìn)行歸一化處理。
　　本文的算法在MATLAB2013編程環(huán)境下進(jìn)行了實(shí)驗(yàn)，并與其他文獻(xiàn)中的算法在相同的實(shí)驗(yàn)平臺(tái)和數(shù)據(jù)集上做對(duì)比分析，實(shí)驗(yàn)結(jié)果表