车牌识别系统的研究与实现
随着社会经济的快速发展，智能交通系统(ITS)在城市交通管理中的作用也越来越受到人们的重视。作为ITS的核心组成部分之一，车牌识别系统(LPR)在实时交通监控、公路自动收费管理系统以及交通治安监管等方面有着十分广阔的应用前景，是目前国内外的研究热点。 由于受到户外全天候的工作环境以及车牌本身的复杂多样等诸多因素的影响，长期以来，车牌识别一直是模式识别领域的一个难点问题。本文在对车牌识别系统进行深入研究的基础上，提出了一套行之有效的解决方法，并开发出了实际的软件系统。论文的研究工作与成果如下: (1)采用多种图像预处理技术对初始输入图像进行处理，并提出了基于均值数据的逐行自适应二值化算法，该算法可有效地突显字符区域，同时又可滤除大量噪声。为应用跳变点检测和连通域滤波算法来定位车牌区域奠定了比较好的基础。另外，对于初次检测到的疑似车牌区域，在大量实验的基础上，结合后续处理步骤，利用多项指标进行综合评判，从而可有效地找到正确的车牌图像; (2)提出了基于改进K均值的车牌倾斜校正算法，该算法集车牌的倾斜校正与水平界精确定位于一体。另外，为了有效地进行车牌图像的二值化，在OTSU二值化算法的基础上，提出了一种改进算法。该算法可有效地避免OTSU二值化算法在对车牌图像处理时表现出来的不足，实验显示，该算法可以达到比较理想的处理效果; (3)提出了一种综合垂直投影，连通域检测和车牌模板的字符分割算法，并设计了模板匹配的评判函数。该算法可以有效地避免噪声信息对字符分割的影响以及由于字符粘连和断裂而引起的错分。 (4)采用小波变换对分割出的单个车牌字符进行特征提取和数据降维。另外，结合车牌字符特点，设计了一种多神经网络的字符识别系统，可有效地对车牌字符进行识别。 (5)在PC机平台上利用VC++对本文所提出的算法进行了实现，并开发出了一个较为完整的车牌识别软件。 本文在现有车牌图像样本库的基础上，做了大量的样本划分和分类工作，同时通过实验证明了文中提出算法的先进性、有效性和软件的实用性。并结合前人已取得的成果，对本文算法进行了充分的分析比较。实验结果表明，本文所设计的系统具有良好的实时性和精确性指标，对模糊图像也具有良好的鲁棒性和自适应性，系统平均运行时间在350ms左右，测试样本的全牌识别率为89％，基本达到了工程应用水平。
车牌识别系统;K均值聚类;小波变换;BP神经网络;图像处理
东北大学
硕士
模式识别与智能系统
吴成东;陈东岳
2010
中文
TP391.41
109
2014-02-25（万方平台首次上网日期，不代表论文的发表时间）