基于bp神经网络的车牌号码识别的设计软件开发
社会科技在迅猛发展，车牌识别技术在智能交通系统中也越来越重要。在本课题中，主要选择了数字图像处理的相关方法进行研究分析，并运用MATLAB 软件实现。本课题中的车牌识别系统大致分为四个重要部分车牌图像预处理，车牌定位，字符分割和车牌识别。在图像预处理中，先进行灰度变换，直方图均衡化，再边缘检测，最后再进行腐蚀操作和平滑处理。在车牌定位方面，选择采用色彩特征车牌定位算法。在字符分割中，将单个字符从图像里分割出来，再进行二值化和归一化等处理。其中最重要的是车牌字符识别，先对各种识别方法对比分析，然后选择BP神经网络并详细介绍，运用它进行车牌识别。将系统各个部分进行仿真，实验结果也体现了BP 神经网络的非线性映射及自学习、自适应能力强等优点，但是在各种实际环境中仍会面临许多难题。关键词 智能交通系统，车牌识别，BP神经网络
目录
1绪论 5
1．1课题提出的背景及研究意义 5
1．2车牌识别的发展与现状 6
1．3车牌识别系统的概述 7
2 图像预处理算法研究 7
2.1图像预处理 7
2.2图像灰度变换 8
2.3直方图均衡化 8
2.4用Roberts算子进行边缘检测 10
2.4.1 Roberts算子的原理 10
2.5 图像的腐蚀操作 11
2.6图像的平滑处理 13
3 车牌定位算法研究 15
3.1 常见的车牌定位算法 15
3.2本文采取的车牌定位算法 15
4 字符分割算法研究 19
4.1 字符分割 19
4.2 字符分割预处理 19
4．3字符分割 21
5字符识别 25
5.1 字符识别概述 25
5.2基于BP神经网络的识别 26
5.2.1 BP神经网络的基本原理 26
5.2.2 BP神经网络的设计 28
5.2.3基于BP神经网络的程序设计 28
6关于OpenCV实现车牌识别 32
6.1 OpenCV概述 32
6.2 OpenCV的安 *好棒文|www.hbsrm.com +Q: ^351916072^
装 33
6.3 OpenCV实现车牌识别 38
结 论 39
致 谢 40
参 考 文 献 41
1绪论
1．1课题提出的背景及研究意义
伴随着现代社会经济和科技水平的迅猛发展，人们对生活质量的要求也逐步提高，因此随之而来的是车辆数量的增大，相对应的公路上的交通压力也在增加，所以我们需要制定一个解决方案。汽车车牌对于汽车的身份来说是一个重要的凭证，我们可以根据汽车牌照这个性质，设计一个车牌识别系统来帮助监管现在各条公路的交通情况。因为这种情况，我国交通系统相关的管理部门非常重视这个问题，想对此制定一些法律法规[15]。这个法规需要规定汽车车牌的制定检测由专门的部门负责和管理。如果在这个法规制定的基础上，我们能够设计出一个车牌识别系统，这个车牌识别系统可以在各种场合自动识别出汽车牌照，那么这将会是一件具有重大意义的事，也对提高车辆管理安全和管理效率有极大帮助[23]。
车牌定位与识别系统运用了很多计算机处理和图像处理技术，在智能交通领域是一个需要重点研究的课题，该技术在实际生活应用当中涉及面非常广泛,比如说交通公路上当人流车流量大的时候可以用该技术进行检测，还有各类停车场的车辆出入也可以用它来统计，还有对于一些闯红灯行为的监控等等。这些应用都表明它存在极大的市场价值，甚至会产生巨大的社会经济效益[28]。
? 近年来，计算机技术和图像处理技术从开始的落后到现在的逐渐成熟，为交通管理方面带来了巨大转变。高度发展的计算机技术，将人力从繁重的人工化运作中解放出来，也提高了工作的效率和精确度。从1980年开始，国内外研究人员着手探索车牌识别这一课题，车牌识别系统正是在这背景下开始进行研究与拓展的。车牌识别系统，顾名思义，就是运用数字图像处理技术对从交通线路的摄像设备中提取的车牌图像进行分析识别，比如采用平滑、二值化等方法对车牌图像进行区域定位，分割，最终完成对车牌的识别，这些方法都属于计算机技术、图像处理最新成果和数学形态学方法[32]。
1．2车牌识别的发展与现状
在科技发展的进程中，车牌识别技术也随着科技水平的提高而逐渐成熟，国内外对它的研究也越来越多，从而也衍生出很多关于识别的算法，这些算法的产生也推动了车牌识别技术的发展。而现今比较常用的几种识别算法
（1）支持SVM识别算法
支持SVM算法就是支持向量机算法，它是数字图像处理中的其中一种识别算法，这种算法就是要在分析过字符特征的基础上进行字符识别。首先需要对字符建模型，接着就像人类的学习过程一样来训练这些字符模型，最后把字符和模型对比，如果结果显示匹配，那么输出识别结果。
支持向量机算法是统计学在1995年上发展起来的一种新的学习算法，由国外的研究人员Vapnik提出。它的主要目的是发现一个最佳的分类平面，在正确分类两个模型后，可以使两种样本点到最佳分类面的距离达到最小距离和最大[51]。
（2）特征匹配法
特征匹配法很容易理解，它的原理就是在车牌图像中的每个字符它都其独特的地方，比如说每个字符的每个笔画都有它的特征。好比每个字符都有横竖撇捺这些笔画，这些不同的笔画随意组合又会组合成不同的字符，那么将笔画集合成一个数据库，然后将输入的字符同字符数据库中的集合进行匹配识别，最终得到已经分割识别后的结果[94]。
（3）统计法
统计法的本质就是利用很多原始样本以及其相关数据进行处理计算。统计法根据特征的不同可以分为全局特征统计法和局部特征统计法这两种不同种类，其中全局特征统计法就是通过使用变换系数的方法对一副图像进行变换操作，然后这个变换系数就可以作为这幅图像的基本特征。全局特征统计法目前有很多种常用的变换方法，包括Fourier变换、特征变换神经网络、DCT变换以及Rapid变换等等，通过这些变换方法就能根据图像全局的特征进行简单变换。局部特征变换法与全局特征变换法有很大不同，局部特征变换法主要是将原有的图像按照不同的区域和网格位置分为不同的部分部分，，在各自不同的区域内根据其特点抽取信息，然后进行分类统计。
将统计法运用到本课题之中就是提取汽车牌照中的字符原始数据，将提取的原始数据按照其特点进行分类并排列，然后再进行计算，如此便能达到不同种类之内差距最小化和不同种类之间的差距最大化，这样便能使同一个字符尽量没有形变或者形变稳定从而达到统计法的最终目的[95]。
目录
1绪论 5
1．1课题提出的背景及研究意义 5
1．2车牌识别的发展与现状 6
1．3车牌识别系统的概述 7
2 图像预处理算法研究 7
2.1图像预处理 7
2.2图像灰度变换 8
2.3直方图均衡化 8
2.4用Roberts算子进行边缘检测 10
2.4.1 Roberts算子的原理 10
2.5 图像的腐蚀操作 11
2.6图像的平滑处理 13
3 车牌定位算法研究 15
3.1 常见的车牌定位算法 15
3.2本文采取的车牌定位算法 15
4 字符分割算法研究 19
4.1 字符分割 19
4.2 字符分割预处理 19
4．3字符分割 21
5字符识别 25
5.1 字符识别概述 25
5.2基于BP神经网络的识别 26
5.2.1 BP神经网络的基本原理 26
5.2.2 BP神经网络的设计 28
5.2.3基于BP神经网络的程序设计 28
6关于OpenCV实现车牌识别 32
6.1 OpenCV概述 32
6.2 OpenCV的安 *好棒文|www.hbsrm.com +Q: ^351916072^
装 33
6.3 OpenCV实现车牌识别 38
结 论 39
致 谢 40
参 考 文 献 41
1绪论
1．1课题提出的背景及研究意义
伴随着现代社会经济和科技水平的迅猛发展，人们对生活质量的要求也逐步提高，因此随之而来的是车辆数量的增大，相对应的公路上的交通压力也在增加，所以我们需要制定一个解决方案。汽车车牌对于汽车的身份来说是一个重要的凭证，我们可以根据汽车牌照这个性质，设计一个车牌识别系统来帮助监管现在各条公路的交通情况。因为这种情况，我国交通系统相关的管理部门非常重视这个问题，想对此制定一些法律法规[15]。这个法规需要规定汽车车牌的制定检测由专门的部门负责和管理。如果在这个法规制定的基础上，我们能够设计出一个车牌识别系统，这个车牌识别系统可以在各种场合自动识别出汽车牌照，那么这将会是一件具有重大意义的事，也对提高车辆管理安全和管理效率有极大帮助[23]。
车牌定位与识别系统运用了很多计算机处理和图像处理技术，在智能交通领域是一个需要重点研究的课题，该技术在实际生活应用当中涉及面非常广泛,比如说交通公路上当人流车流量大的时候可以用该技术进行检测，还有各类停车场的车辆出入也可以用它来统计，还有对于一些闯红灯行为的监控等等。这些应用都表明它存在极大的市场价值，甚至会产生巨大的社会经济效益[28]。
? 近年来，计算机技术和图像处理技术从开始的落后到现在的逐渐成熟，为交通管理方面带来了巨大转变。高度发展的计算机技术，将人力从繁重的人工化运作中解放出来，也提高了工作的效率和精确度。从1980年开始，国内外研究人员着手探索车牌识别这一课题，车牌识别系统正是在这背景下开始进行研究与拓展的。车牌识别系统，顾名思义，就是运用数字图像处理技术对从交通线路的摄像设备中提取的车牌图像进行分析识别，比如采用平滑、二值化等方法对车牌图像进行区域定位，分割，最终完成对车牌的识别，这些方法都属于计算机技术、图像处理最新成果和数学形态学方法[32]。
1．2车牌识别的发展与现状
在科技发展的进程中，车牌识别技术也随着科技水平的提高而逐渐成熟，国内外对它的研究也越来越多，从而也衍生出很多关于识别的算法，这些算法的产生也推动了车牌识别技术的发展。而现今比较常用的几种识别算法
（1）支持SVM识别算法
支持SVM算法就是支持向量机算法，它是数字图像处理中的其中一种识别算法，这种算法就是要在分析过字符特征的基础上进行字符识别。首先需要对字符建模型，接着就像人类的学习过程一样来训练这些字符模型，最后把字符和模型对比，如果结果显示匹配，那么输出识别结果。
支持向量机算法是统计学在1995年上发展起来的一种新的学习算法，由国外的研究人员Vapnik提出。它的主要目的是发现一个最佳的分类平面，在正确分类两个模型后，可以使两种样本点到最佳分类面的距离达到最小距离和最大[51]。
（2）特征匹配法
特征匹配法很容易理解，它的原理就是在车牌图像中的每个字符它都其独特的地方，比如说每个字符的每个笔画都有它的特征。好比每个字符都有横竖撇捺这些笔画，这些不同的笔画随意组合又会组合成不同的字符，那么将笔画集合成一个数据库，然后将输入的字符同字符数据库中的集合进行匹配识别，最终得到已经分割识别后的结果[94]。
（3）统计法
统计法的本质就是利用很多原始样本以及其相关数据进行处理计算。统计法根据特征的不同可以分为全局特征统计法和局部特征统计法这两种不同种类，其中全局特征统计法就是通过使用变换系数的方法对一副图像进行变换操作，然后这个变换系数就可以作为这幅图像的基本特征。全局特征统计法目前有很多种常用的变换方法，包括Fourier变换、特征变换神经网络、DCT变换以及Rapid变换等等，通过这些变换方法就能根据图像全局的特征进行简单变换。局部特征变换法与全局特征变换法有很大不同，局部特征变换法主要是将原有的图像按照不同的区域和网格位置分为不同的部分部分，，在各自不同的区域内根据其特点抽取信息，然后进行分类统计。
将统计法运用到本课题之中就是提取汽车牌照中的字符原始数据，将提取的原始数据按照其特点进行分类并排列，然后再进行计算，如此便能达到不同种类之内差距最小化和不同种类之间的差距最大化，这样便能使同一个字符尽量没有形变或者形变稳定从而达到统计法的最终目的[95]。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/dzxx/dzkxyjs/1223.html
