论文部分内容阅读
近几年,车牌识别系统作为智能交通系统(Intelligent Traffic System,简称ITS)的一个重要研究方向也越来越受到国内外学者的关注,它是计算机视频图像识别技术在车牌识别中的一种应用,它可以应用在道路监测报警、超速违章处罚、车辆出入管理、高速公路收费管理、牌照号码自动登记等很多领域,对于维护城市治安、改善道路状况,实现交通自动化管理有重要意义。通过对国内外车牌识别系统的现状和已有识别算法的深入研究,文章在此基础上提出了基于像素累加值比较和最小外接矩形的车牌识别算法,算法包括车牌定位、字符切分和字符识别三个模块。本文主要研究内容有:(1)提出了运用小波变换的多分辨率思想对待识别图像进行Mallat变换的方法对车牌进行边缘检测和提取的算法,缩短了图像处理运行时间。(2)基于车牌的先验知识实现了车牌的初步定位,精确定位环节文章提出了从图像水平投影后的矩阵中心位置向左右两个方向来比较像素累加值与设定阈值大小的算法来进行横向定位,纵向定位则采用最小外接矩形标注图像中独立区域并结合坐标信息的方法来实现。(3)提出了采用改进后的基于全局阈值化的Otsu算法对二维直方图上的区域进行了重新划分,快速实现了图像二值化,结合Radon变换方法和坐标变换法对车牌进行了倾斜校正,利用车牌图像的垂直投影图实现了字符切分。(4)文章分别对模板匹配字符识别算法和神经网络字符识别法作了研究和改进,并对改进后的算法进行了对比,试验证明,采用有动量的基于BP神经网络的梯度下降法识别率更高,耗时更短。(5)利用Matlab中的GUIDE(Graphical User Interfaces DevelopmentEnvironment,图形用户界面开发环境)搭建了算法测试界面,并对220张样本图片的定位和识别准确率进行了统计和分析,结果证明文章提出的算法具有较好的实时性和鲁棒性。