神经网络的车牌识别系统研究(附件)
本文分析了基于神经网络的车牌识别系统的研究与实现，主要包括车牌定位、字符分割、字符识别三个模块。并使用MATLAB语言软件进行编辑，实现BP神经网络设计系统的图像预处理、车牌定位、字符分割和字符识别的具体功能，完成车牌识别系统软件的设计。车牌定位研究我国的车牌特征以及车牌定位方法，发现单一的特征定位车牌存在局限性，所以应将多种方法综合用于车牌定位；字符分割研究字符分割算法，采用了基于垂直投影法的字符分割；字符识别采用BP神经网络的车牌识别，利用K-L变换矩阵来提取字符图像特征。仿真实验结果表明，其算法定位准确，识别率高，具有较高的使用价值。关键词 车牌图像预处理，车牌定位，字符分割，字符识别，BP神经网络
目 录
1 绪论 1
1.1 研究背景及意义 1
1.2 国内外研究现状 1
1.3 主要研究内容 2
2 车牌图像的预处理 2
2.1 车牌图像的采集 2
2.2 车牌图像的灰度化 3
2.3 车牌图像的增强 4
2.4 车牌图像的二值化 6
2.5 车牌图像的边缘检测 7
2.6 本章小结 9
3 车牌定位 9
3.1 我国车牌的特征 9
3.2 常用的车牌定位方法 9
3.3 车牌图像统一底色 10
3.4 本章小结 10
4 车牌字符分割 11
4.1 车牌的倾斜校正的一般方法 11
4.2 去除车牌边框 11
4.3 常用的车牌字符分割方法 12
4.4 字符归一化 13
4.5 本章小结 14
5 基于神经网络的字符识别 14
5.1 车牌识别常用方法 14
5.2 字符特征提取 15
5.3 基于BP神经网络的字符识别 16
5.4 基于卷积神经网络的字符识别 20
5.5 BP神经网络与卷积神经网络的对比 22
5.6 本章小结 22
结 论 23
*好棒文|www.hbsrm.com +Q: *351916072*
致 谢 24
参 考 文 献 25
附录A 26
附录B 31
1 绪论
1990年以来，随着世界经济的不断发展，汽车车辆数量不断地增加，公路上有违规的车辆很多，这可能会造成交通事故、环境污染等，所以，改善城市交通管理现代化水平，就需要采用高科技方法去监督和检查在路上行驶的汽车，增强交通管理的水平。因为车辆牌照是汽车车辆重要的部分，所以车牌识别系统是非常重要的。车牌识别对照明条件、位置、速度是要有很大的鲁棒性，和实时性。
1.1 研究背景及意义
现在世界上到处交通堵塞，交通的事故、环境污染非常的严重，对生活上非常的不利，还不利于经济的发展，在公路上添加车牌识别是非常重要的，不过现在多种原因的限制，在道路上添加一些车牌识别的系统是很困难的。
ITS系统是大学生重要研究的一种课题。ITS系统是对公路上交通疏通情况进行监督，能实时地知道交通状况，可以根据交通疏通不疏通来做出交通指导，指挥交通运行，减少交通事故。ITS系统可用于交通的检测，交通的控制，对于公路上检测非常实用。不过现实中使用的车牌识别系统需要的条件是非常高的，在不好的背景情况下，鲁棒性、通用性是很差的。
1.2 国内外研究现状
1.2.1 国外的研究现状
国外已经有成熟的产品投入到了公路上的设施。比如在高速路收费站的硬件设施这种情况下，平均0.7秒内识别率可达到97%；国外牌照的规范统一。国外的车牌识别系统研究虽然有了一些进展，但是对于我国的车牌识别不太适用，主要的原因包括有五点：
(1)我国国内使用中的车牌的汉字加大了对车牌识别的难度。
(2)我国国内与国外不一样的就是车牌的底色、字符的颜色。
(3)国内不同的车辆、车型、用途，就有着不同的牌牌格式。
(4)我国车牌悬挂位置不一致。
(5)不同的恶劣环境破坏了车牌的信息等情况在中国国内还是允许使用。
所以说明我国车牌识别系统中的图像处理不够成熟，车牌自动识别技术不够高，车牌自动定位识别系统技术在我国还需要不断地努力改进，更加深入的研究。
1.2.2 国内的研究现状
我国也是有很多车牌自动识别的文章发表，多个高校都对车牌进行了研究，只不过还是受到了各种条件的限制。从我国对车牌识别自动系统的使用中，总结到我国内的车牌识别没能符合国内的实际的需求，使用效果不是很理想。在我国国内的一些公司也有开发出过一些还不错的车牌的自动识别系统，可以说是一个很不错的成就了，但是还不能说技术成熟，现在技术上有一些新方法是在知识理论和文章上，受到了限制，未能大量的投入使用。
1.3 主要研究内容
因为在研究神经网络的车牌识别的过程中，可以发现其的优点包括有鲁棒性、非线性处理，还发现其优点有自组织学习的能力、容错性等，所以在本次的论文研究中我们是采用了优点多的神经网络的技术，还有研究了该系统的实现方式。其步骤如下图1.1所示：
图1.1车牌识别系统框图
2 车牌图像的预处理
因为是摄像机的角度不对、车牌之间的间隔不合适、车辆经由摄像机速率过快和照明等导致车牌图像质量丢失，包含图像对比度低和含糊等导致不稳定的转变，图像预处理用于更好地提取车牌。
2.1 车牌图像的采集
图像的采集需要在公路上安装的检测点来对行驶经过的车辆进行检测的时候，经过检测之后，其位置的传感器就会发出触发的信号发向其主机，主机节制CCD摄像机就会自动摄入车辆的图像，图像在输入接口处置、帧存、A/D转换的过程之后，然后再车牌自动识别。
2.2 车牌图像的灰度化
在公路上常常收集到的车牌原始图像大多都是彩色的图像。因为这类图像包括大量的色彩信息，每一个像素都具备三个差别的颜色分量(Red)、G(Green)、B(Blue)，这样的图像占有的存储空间很大。在对彩色图像处理时常常会消耗用掉比较多的资源，从而导致了效率是不高的。这里的灰度图像是指R、G、B都是一种一样的彩色图像，一个像素点的转变就会为256种，即包含有亮度信息，灰度图像的处理能更好地符合汽车车牌识别系统的及时性要求[1]。
现在我国国内使用中的车牌是有多种方式的，有蓝底白字、黄底黑字、白底红字、绿底白字和黑底白字等等的车牌[2]。原图、灰度图见图2.1与图2.2。图像的灰度值公式如下所示：
目 录
1 绪论 1
1.1 研究背景及意义 1
1.2 国内外研究现状 1
1.3 主要研究内容 2
2 车牌图像的预处理 2
2.1 车牌图像的采集 2
2.2 车牌图像的灰度化 3
2.3 车牌图像的增强 4
2.4 车牌图像的二值化 6
2.5 车牌图像的边缘检测 7
2.6 本章小结 9
3 车牌定位 9
3.1 我国车牌的特征 9
3.2 常用的车牌定位方法 9
3.3 车牌图像统一底色 10
3.4 本章小结 10
4 车牌字符分割 11
4.1 车牌的倾斜校正的一般方法 11
4.2 去除车牌边框 11
4.3 常用的车牌字符分割方法 12
4.4 字符归一化 13
4.5 本章小结 14
5 基于神经网络的字符识别 14
5.1 车牌识别常用方法 14
5.2 字符特征提取 15
5.3 基于BP神经网络的字符识别 16
5.4 基于卷积神经网络的字符识别 20
5.5 BP神经网络与卷积神经网络的对比 22
5.6 本章小结 22
结 论 23
*好棒文|www.hbsrm.com +Q: *351916072*
致 谢 24
参 考 文 献 25
附录A 26
附录B 31
1 绪论
1990年以来，随着世界经济的不断发展，汽车车辆数量不断地增加，公路上有违规的车辆很多，这可能会造成交通事故、环境污染等，所以，改善城市交通管理现代化水平，就需要采用高科技方法去监督和检查在路上行驶的汽车，增强交通管理的水平。因为车辆牌照是汽车车辆重要的部分，所以车牌识别系统是非常重要的。车牌识别对照明条件、位置、速度是要有很大的鲁棒性，和实时性。
1.1 研究背景及意义
现在世界上到处交通堵塞，交通的事故、环境污染非常的严重，对生活上非常的不利，还不利于经济的发展，在公路上添加车牌识别是非常重要的，不过现在多种原因的限制，在道路上添加一些车牌识别的系统是很困难的。
ITS系统是大学生重要研究的一种课题。ITS系统是对公路上交通疏通情况进行监督，能实时地知道交通状况，可以根据交通疏通不疏通来做出交通指导，指挥交通运行，减少交通事故。ITS系统可用于交通的检测，交通的控制，对于公路上检测非常实用。不过现实中使用的车牌识别系统需要的条件是非常高的，在不好的背景情况下，鲁棒性、通用性是很差的。
1.2 国内外研究现状
1.2.1 国外的研究现状
国外已经有成熟的产品投入到了公路上的设施。比如在高速路收费站的硬件设施这种情况下，平均0.7秒内识别率可达到97%；国外牌照的规范统一。国外的车牌识别系统研究虽然有了一些进展，但是对于我国的车牌识别不太适用，主要的原因包括有五点：
(1)我国国内使用中的车牌的汉字加大了对车牌识别的难度。
(2)我国国内与国外不一样的就是车牌的底色、字符的颜色。
(3)国内不同的车辆、车型、用途，就有着不同的牌牌格式。
(4)我国车牌悬挂位置不一致。
(5)不同的恶劣环境破坏了车牌的信息等情况在中国国内还是允许使用。
所以说明我国车牌识别系统中的图像处理不够成熟，车牌自动识别技术不够高，车牌自动定位识别系统技术在我国还需要不断地努力改进，更加深入的研究。
1.2.2 国内的研究现状
我国也是有很多车牌自动识别的文章发表，多个高校都对车牌进行了研究，只不过还是受到了各种条件的限制。从我国对车牌识别自动系统的使用中，总结到我国内的车牌识别没能符合国内的实际的需求，使用效果不是很理想。在我国国内的一些公司也有开发出过一些还不错的车牌的自动识别系统，可以说是一个很不错的成就了，但是还不能说技术成熟，现在技术上有一些新方法是在知识理论和文章上，受到了限制，未能大量的投入使用。
1.3 主要研究内容
因为在研究神经网络的车牌识别的过程中，可以发现其的优点包括有鲁棒性、非线性处理，还发现其优点有自组织学习的能力、容错性等，所以在本次的论文研究中我们是采用了优点多的神经网络的技术，还有研究了该系统的实现方式。其步骤如下图1.1所示：
图1.1车牌识别系统框图
2 车牌图像的预处理
因为是摄像机的角度不对、车牌之间的间隔不合适、车辆经由摄像机速率过快和照明等导致车牌图像质量丢失，包含图像对比度低和含糊等导致不稳定的转变，图像预处理用于更好地提取车牌。
2.1 车牌图像的采集
图像的采集需要在公路上安装的检测点来对行驶经过的车辆进行检测的时候，经过检测之后，其位置的传感器就会发出触发的信号发向其主机，主机节制CCD摄像机就会自动摄入车辆的图像，图像在输入接口处置、帧存、A/D转换的过程之后，然后再车牌自动识别。
2.2 车牌图像的灰度化
在公路上常常收集到的车牌原始图像大多都是彩色的图像。因为这类图像包括大量的色彩信息，每一个像素都具备三个差别的颜色分量(Red)、G(Green)、B(Blue)，这样的图像占有的存储空间很大。在对彩色图像处理时常常会消耗用掉比较多的资源，从而导致了效率是不高的。这里的灰度图像是指R、G、B都是一种一样的彩色图像，一个像素点的转变就会为256种，即包含有亮度信息，灰度图像的处理能更好地符合汽车车牌识别系统的及时性要求[1]。
现在我国国内使用中的车牌是有多种方式的，有蓝底白字、黄底黑字、白底红字、绿底白字和黑底白字等等的车牌[2]。原图、灰度图见图2.1与图2.2。图像的灰度值公式如下所示：
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/dzxx/dzkxyjs/1126.html
