本课题是基于图像处理和模式识别的铁路货车车号识别相关算法研究。由于铁路货车车号图像本身的复杂性,在实际应用的过程中,基于图像处理的铁路货车车号的识别系统的准确率总是差强人意。本课题研究了铁路货车车号自动识别系统中的相关算法,提高了铁路货车车号的定位率和识别率,能够满足实际的需求。本文首先对铁路车号识别的国内外现状进行了介绍,并在已有的研究的基础上对其中的相关算法进行了改进。本文中的自动识别系统,主要包括以下几个模块:图像的预处理、车号区域的定位、字符的分割及字符的识别几个模块。本文主要工作:1.对图像进行预处理。依次对图像进行灰度化、图像拉伸、图像平滑。2.提出了基于行扫描和小波变换的定位算法。车号区域定位主要是利用Sobel算子提取图像边缘,然后扫描图像中的每行来确定车号区域的上下边界,下一步对获得的水平车号区域图像进行水平方向上的灰度投影,对此投影进行小波变换,设定自适应的阈值,最终确定车号区域,该算法定位速度快,鲁棒性好。3.提出了改进的Ostu二值化算法与字符分割算法。图像分割包括二值化与字符分割。图像二值化主要是通过改进的Ostu算法对图像进行处理,该算法对二维阈值分割算法进行了改进,减少了计算量,而且二值化效果很好;字符分割利用水平垂直方向的投影对字符进行粗分割,然后针对其中的断裂字符和粘连字符进行精确分割。4.提出了改进的BP神经网络。针对神经网络中收敛慢的问题,提出了基于动量梯度下降法的BP神经网络,实验结果表明,该算法能够很好的识别字符,而且计算速度快。