復(fù)雜自然環(huán)境下車牌識別算法研究.pdf

1、車牌識別技術(shù)是智能交通系統(tǒng)中的重要組成部分，是計算機視覺、圖像處理與模式識別在智能交通領(lǐng)域的重要研究課題之一。但在實際環(huán)境下采集到的車牌圖像，容易受到光照變化、尺度變化、目標(biāo)干擾等諸多不利因素影響，因此在復(fù)雜多變的自然下識別車牌仍然是一個十分具有挑戰(zhàn)的課題。車牌識別技術(shù)主要解決車牌的定位、分割、識別三個問題。本文分別對這三個部分進(jìn)行了研究，并提出了相應(yīng)算法。
　　本文提出了一種基于目標(biāo)區(qū)域的車牌定位算法，采用逐步求精的定位策略。該

2、算法適用于光照變化、尺度變化和目標(biāo)干擾等復(fù)雜的自然環(huán)境。本文引入了Selective Search算法對輸入圖像進(jìn)行目標(biāo)區(qū)域提取，根據(jù)車牌特征篩選出車牌候選區(qū)域，并通過一個預(yù)訓(xùn)練的支持向量機對候選區(qū)域進(jìn)行判別，保留車牌區(qū)域。對獲得車牌區(qū)域進(jìn)行非極大值(NMS)抑制剔除重合區(qū)域。最后精確定位到車牌位置。
　　本文提出了一種基于連通區(qū)域的字符分割算法。該算法首先對輸入車牌進(jìn)行預(yù)處理和傾斜校正，結(jié)合連通區(qū)域標(biāo)記法和數(shù)學(xué)形態(tài)學(xué)處理法獲得字

3、符區(qū)域。同時，本文對傳統(tǒng)的字符歸一化方法進(jìn)行了改進(jìn)，有效的解決了由字符歸一化造成的字符形變的問題。
　　本文提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的車牌字符識別算法，設(shè)計了兩個卷積網(wǎng)絡(luò)NET1和NET2，其中NET1用做識別漢字，NET2用做識別字母和數(shù)字。本文引入了rectifier作為神經(jīng)元的激活函數(shù)，并使用mini-batch隨機梯度下降法訓(xùn)練網(wǎng)絡(luò)，可以加速目標(biāo)函數(shù)的收斂。采用卷積神經(jīng)網(wǎng)絡(luò)可以從輸入的字符圖像中自動提取出圖像特征，并進(jìn)行