赵先军[1]2005年在《基于神经网络的车牌识别技术研究》文中指出车辆牌照自动识别系统是现代智能交通管理的重要组成部分，可用于各级各类车辆管理场所。与传统的车辆管理方法相比，它大大地提高了管理效率与水平，节省了人力、物力，实现了车辆管理的科学化、规范化，对交通治安起到了一定的保障作用，因此有着广泛的应用前景。 车牌自动识别系统一般包括车牌定位、字符分割和字符识别叁个模块。本论文是基于图像处理的相关理论，将计算机视觉与模式识别技术相结合，对车辆牌照识别系统进行了较深入的研究和分析。第一章论述了汽车牌照识别的主要几种应用技术和现阶段的发展动向。在第二章中，对图像处理的常用技术进行了简要的介绍。第叁章简单介绍了常用车牌定位技术，采用了一种基于边缘统计的车牌定位算法。第四章对图像分割的各种方法及特点进行了讨论，实现了一种利用垂直投影信息结合先验知识约束的垂直分割方法。第五章分析了字符识别中特征量的提取方法，并对神经网络的构成以及相关的理论进行了讨论，着重分析了神经网络的理论原理和在字符识别中的应用方法，最后用神经网络的方法对所得字符进行识别。介绍了车牌识别系统软件设计的实现方法和实验结果。 由实验所得的结果，本系统能较准确定位、分割车牌并进行识别，系统的性能良好。从中可看出：多种预处理与识别技术有机结合能提高系统识别能力，在有效、实用的原则下将神经网络与人工智能技术相结合将成为模式识别研究的两个重要发展趋势。
郑文明[2]2001年在《基于k-L变换的车辆牌照自动识别技术研究与实现》文中进行了进一步梳理本文主要研究和实现了汽车牌照的自动分割与识别，从整体上来看，本文可以划分为两大部分，即：牌照的自动定位和分割部分和牌照字符的自动识别部分。 对牌照的自动定位和分割技术，我们采用的是基于二维彩色直方图的思想。首先，我们对汽车图像进行彩色聚类，并在此基础上进行基于数学形态学滤波，以减小图像的无关信息；其次，作出图像的二维彩色直方图；最后，我们根据车牌的几何特征及其彩色特征，从二维彩色直方图中自动地搜索出汽车牌照的位置并分割出牌照。 对牌照字符的自动识别处理，本文引入了K-L变换技术，提出了基于K-L变换的字符识别方法。首先对分割出的牌照进行二值化处理；其次对牌照进行倾斜的几何校正，使得牌照能保持水平方向；再次，作出牌照图像的二维直方图，依据二维直方图自动地分割出牌照的各个字符；最后，对分割出的字符依次进行识别。 试验结果表明：采用此方法对于光照条件较好的车牌分割有较好的准确率，而对于牌照的识别，则具有较强的自适应能力，与传统的识别方法相比，具有较高的识别率、较快的识别速度以及较好的鲁棒性。
王彪[3]2005年在《基于K-L变换改进算法的车牌自动识别技术研究》文中指出汽车牌照识别技术是交通管理现代化的核心技术之一。它能从一幅图象中自动提取车牌区域,自动分割字符,进而对字符进行识别。本文从3个关键方面研究了汽车牌照的自动识别。第一部分是车牌区域的定位与分割。车牌区域的定位是影响系统性能的重要因素之一,车牌定位准确与否直接影响字符识别的准确率。本文根据牌照自身的特征,采用了基于颜色二维直方图的方法对车牌进行定位和分割。第二部分是对分割后的车牌图象预处理。预处理的目的是为了提高字符识别速度。主要采用了二值化和基于数学形态学的开运算滤波,进一步消除无用的信息和噪声。第叁部分是车牌字符的特征提取和识别。这一部分是车牌识别系统的核心部分。针对中国车牌字符特点,本文采用K-L变换提取字符特征,并进行识别。
厉旭[4]2002年在《基于神经网络的车牌识别系统的研究与设计》文中提出随着我国经济的发展、汽车拥有量的急剧增加，公路交通成为我国重要的交通运输途径，是国家大力发展的基础设施。日益拥堵的城市交通需要用更先进、更有效的交通管理、控制。利用电子信息技术来提高管理效率、交通效率和安全的智能交通系统ITS已成为当前交通管理发展的主要方向。 车牌识别LPR是智能交通中关键技术之一。以自动的车牌号码识别为基础，可以对车辆进行自动登记、验证、监视、报警，进而可以应用在多种场合，如高速公路收费系统：道路、卡口监控系统；小区、停车场收费、监控系统；车流统计、引导系统等。 本论文是基于图像处理的相关理论，将计算机视觉与模式识别技术相结合，对车辆牌照识别系统进行了较深入的研究和分析。第一章论述了汽车牌照识别的主要几种应用技术和现阶段的发展动向。在第二章中，分别对车牌识别系统的硬件设计和软件设计进行了简要的介绍。第叁章对图像分割的各种方法及特点进行了讨论。第四章分析了字符识别中特征量的提取方法，并对神经网络的构成以及相关的理论进行了讨论，着重分析了神经网络的理论原理和在字符识别中的应用方法。第五章是在前两章的理论基础上，详细介绍了车牌识别系统软件设计的实现方法和实验结果，应用图像分割的理论对车牌进行边缘检测和提取，利用轮廓和投影的方法提取字符的特征，最后用神经网络的方法对所得字符进行识别。 由试验所得的结果，本系统能较准确定位、分割车牌并进行识别，系统的性能良好。从中可看出：多种预处理与识别技术有机结合能提高系统识别能力，在有效、实用的原则下将神经网络与人工智能技术相结合将成为模式识别研究的两个重要发展趋势。
杨超[5]2007年在《汽车牌照自动识别技术的研究》文中指出在基于电子信息技术的智能交通系统(ITS)中，车牌识别(LPR)是最为关键的技术之一，它以车牌号码自动识别为基础，可以对车辆进行自动验证、监视和报警。然而，由于车牌识别系统通常工作在自然环境中，受外界因素影响较大，而且我国车牌中通常包含一些结构复杂的汉字，使得很多情况下系统的识别率很难令人满意，大大影响了智能交通系统的工作效率。本文基于数字图像处理的相关理论，将计算机视觉与模式识别技术相结合，对车辆牌照识别系统进行了较为深入地分析和研究。重点对车牌区域定位算法和车牌字符识别算法进行了改进和创新。首先，在车牌区域的定位和提取中，采用了对车牌区域进行粗、细两级定位的方法。在粗定位时采用一种改进的模糊匹配算法，克服了传统模板匹配算法计算量大、对背景复杂的图像难以准确分割的缺点；在精确定位时根据车牌区域行相邻像素之间变化频繁的特点，对车牌区域精细定位。然后，在车牌字符的分割中，根据车牌本身提供的先验知识，采用了连通域分析法和灰度投影法相结合的算法，克服了目前常用算法中对部分汉字和数字字符不易准确分割的难点，使得字符分割更加精确。最后，在车牌字符的识别中，讨论了人工神经网络的理论原理和在字符识别中的应用方法，着重分析了应用传统的神经网络算法进行字符识别时存在的不足，并提出了一些改进措施，针对由于光线不足或牌照污损所引起的字符模糊现象，利用字符外围轮廓和投影特征相结合的方法提取字符特征，并采用改进的BP神经网络算法对所得字符进行了识别。通过仿真试验可以证明，本文提出的算法能比较准确地定位、分割车牌区域并进行字符识别，且系统的性能良好。从中可以看出多种图像预处理与模式识别技术的有机结合能有效地提高系统的识别能力。
雷静[6]2009年在《基于图像处理和神经网络的车牌识别系统研究》文中研究表明车牌识别系统(LPR)是智能交通系统(ITS)的核心组成部分,在现代交通收费管理系统中发挥着举足轻重的作用。近年来,对车牌识别系统的研究已经成为一个热点问题。论文首先分析车牌识别系统技术的研究现状,对系统中的图像预处理、车牌定位、字符分割和识别四大重点模块进行全面论述;对字符识别技术进行深入研究,设计并实现了车牌识别系统。为了提高系统的识别率和鲁棒性,仔细分析四个模块设计中的重点和难点,并提出解决方案。在预处理模块设计中,本文结合多种图像处理技术,采用模糊c均值二值化、形态学滤波和Sobel算子边缘检测等预处理算法。比较研究了基于特征统计、改进Sobel算子边缘检测、粒子图像相关法的车牌定位方法,并通过实验证明粒子图像相关法是设计本系统的最佳优化方案。在车牌的字符分割模块中,提出一种基于多尺度模板匹配的分割算法,利用尺度变换的方法找到车牌区域全局最优模板匹配信息,结合Hough变换达到更好的分割效果;为有效剔除字符图像中的噪声区域,结合预处理阶段最大连通域的边界均值方法来解决,使得此算法具有很好的鲁棒性。参照目前的研究现状重点分析BP神经网络,提出一套附加动量法改进BP算法的设计方案,通过对比实验,验证了改进算法方案的有效性。实验证明,本文所采用的方法能达到较好的识别效果,具有一定的高效性、鲁棒性和实时性。
叶飞[7]2006年在《基于整体特征的数字字符识别在自动车牌识别系统的研究与应用》文中提出车辆牌照自动识别是近几年发展起来的基于图像和字符识别技术的智能化交通管理，是目前国内外模式识别应用研究领域的一个热点。车辆随着国民经济的发展，普及成为必然的趋势。国内的高速公路和停车场越来越多，交通管理自动化越来越成为及待解决的问题。为了加强在这一领域的管理，智能交通系统ITS(Intelligent Transportation system)的发展也就显得非常重要．车牌识别LPR(License Plate Recognition)是ITS的一个重要组成部分，其任务是分析、处理汽车图像、自动识别汽车牌照。LPR系统能够从一幅图像中自动提取车牌图像，自动分割字符图像，进而对字符进行识别。该系统可以广泛应用于电子收费、出入控制、公路流量监控、失窃车辆查询和停车场车辆管理等需要车牌认证的重要场合：尤其在高速公路收费系统中，实现不停车收费以提高公路系统的运行效率，LPR系统更有着不可替代的作用。 车牌识别技术涉及数字图像处理，计算机视觉，模式识别，人工智能等多个领域，其关键技术包括车牌定位、字符分割和字符识别等，本文致力于车牌识别中若干关键技术的研究。 本文在简要介绍国内外在车牌字符识别方面的工作基础上，首先介绍了数字图像处理及其相关领域的一些概念性知识并介绍了图像处理的常用方法，然后对系统中图像的预处理、特征提取和字符识别等环节涉及的算法做了一个比较全面的论述，同时针对目前的研究现状，对一些关键的技术问题进行了深入探讨，主要解决了以下几个问题： 一、研究了图像中的噪声以及产生的原因，比较一些滤波方法之后，由于中值滤波是一种在去除噪声的同时能够较好的保护图像边缘细节，因此提出利用中值滤波的方法消除图像的噪声； 二、研究了对已经定位的车牌字符如何提取具有较强的分类能力的特征； 叁、本文介绍车辆牌照的预处理过程(包括利用中值滤波去除图像噪声、车牌图像的二值化以及归一化处理)：在牌照区域分割算法中充分利用
王志红[8]2003年在《小波和神经网络模式识别技术及其在车牌识别中的应用》文中指出小波变换具有“显微镜”特性和类人视觉特点，在图像处理及模式识别中有着越来越广泛的应用；神经网络模式识别表现出来较强的自学习、自适应能力以及容错性、鲁棒性等使得它成为模式识别领域一个重要的研究方向。 车牌识别是计算机视觉与模式识别技术在智能交通领域的重要应用，是实现交通管理智能化的核心技术。因此，将小波变换与神经网络有机结合并运用于车牌自动识别具有较大的理论意义和实践价值。 论文主要涉及了以下工作： 1)图像预处理。该阶段研究图像的消噪和倾斜度校正。通过分析图像的小波分解高频系数特性，提出了一种小波局部阈值消噪方法。并且应用简化改进的Hough变换，通过检测边界线段检测牌照倾斜角度，对车牌进行倾斜校正。 2)字符分割。提出了一种新的实用车牌字符分割方法。根据车牌的先验知识，利用小波变换自动变焦、多尺度分析的特点，对传统的垂直投影法及多线垂直投影法进行滤波，自适应搜索分割点，高效地进行了车牌字符分割。 3)特征提取。利用图像小波变换的方向性分解构造出针对易混淆字符的细小波网格特征提取方法。 4)字符识别。对多特征、多神经元网络集成识别方法进行了研究，从而提出了一种基于神经网络的多级串行分类器的车牌字符识别方法。 本文研究表明，小波局部阈值降噪法有效可行；字符分割算法对前续车牌定位及倾斜程度要求低，抗干扰性及适应性强；小波网格特征稳定性好，区分性强，多级网络分类器针对性及泛化能力强，与单一网络分类器相比，可有效提高系统的抗干扰性和识别率。
马月涛[9]2007年在《基于图像处理与神经网络的车牌识别技术的研究》文中提出随着我国经济的发展、汽车拥有量的急剧增加,公路交通成为我国重要的交通运输途径,是国家大力发展的基础设施,而传统的人工管理方式已越来越不能满足实际工作的需要,日益拥堵的城市交通需要用更先进、更有效的交通管理、控制。以计算机图像处理技术,通信技术为核心的智能化道路交通监控和管理系统ITS己成为当前交通管理发展的主要方向。车辆牌照的自动识别LPR是计算机视觉与模式识别技术在智能交通领域应用的重要研究课题之一,也是智能交通中关键技术之一。本文应用图像处理技术、车牌定位技术、车牌分割技术、字符特征提取方法、神经网络识别技术等来解决车辆牌照识别问题,首先将图像进行灰度化、灰度拉伸、中值滤波的预处理方法,很好地消除了图像的噪音,强化了纵向纹理区;通过对车牌特征和定位技术的深入研究,提出了基于水平扫描和垂直投影法的车牌定位方法,能够很准确地搜索到车牌区域;基于车辆牌照的一些结构特点及先验知识,完成了基于投影直方图的车牌字符分割域;最后对神经网络的构成以及相关的理论进行了讨论,着重分析了神经网络的理论原理和在字符识别中的应用方法。由实验所得的结果,本系统能较准确定位、分割车牌并进行识别,系统的性能良好。从中可看出:多种预处理与识别技术有机结合能提高系统识别能力,在有效、实用的原则下将神经网络与人工智能技术相结合将成为模式识别研究的两个重要发展趋势。
戴红霞[10]2006年在《车辆牌照自动识别技术的研究和实现》文中指出本文是对汽车牌照自动识别技术的研究,主要探讨了图像处理技术和模式识别技术在车牌识别中的应用。一个典型的车牌识别系统包括图像捕获、车牌定位分割、字符分割、字符识别和识别结果处理等部分。本文的研究工作主要涉及3个部分:汽车牌照的定位分割、汽车牌照图像的处理和字符分割、汽车牌照字符的识别。本文主要从以下方面对汽车车牌的识别进行了研究:1)对图像进行颜色聚类,做出车牌照底色二维直方图;2)依据二维直方图自动定位车牌的位置并分割出车牌照;3)对车牌照进行一些图像预处理(包括基于数学形态学的滤波、倾斜校正、二值化和边缘检测等);4)利用二维直方图法进行字符分割;5)利用BP神经网络算法提取字符图像的特征值进行字符识别。实验结果表明:汽车车牌自动分割的准确率为95%,车牌照的识别率大于90%,系统性能比较理想。
参考文献：
[1]. 基于神经网络的车牌识别技术研究[D]. 赵先军. 西安电子科技大学. 2005
[2]. 基于k-L变换的车辆牌照自动识别技术研究与实现[D]. 郑文明. 华侨大学. 2001
[3]. 基于K-L变换改进算法的车牌自动识别技术研究[D]. 王彪. 东南大学. 2005
[4]. 基于神经网络的车牌识别系统的研究与设计[D]. 厉旭. 武汉理工大学. 2002
[5]. 汽车牌照自动识别技术的研究[D]. 杨超. 燕山大学. 2007
[6]. 基于图像处理和神经网络的车牌识别系统研究[D]. 雷静. 中南大学. 2009
[7]. 基于整体特征的数字字符识别在自动车牌识别系统的研究与应用[D]. 叶飞. 山东大学. 2006
[8]. 小波和神经网络模式识别技术及其在车牌识别中的应用[D]. 王志红. 合肥工业大学. 2003
[9]. 基于图像处理与神经网络的车牌识别技术的研究[D]. 马月涛. 西安电子科技大学. 2007
[10]. 车辆牌照自动识别技术的研究和实现[D]. 戴红霞. 东南大学. 2006
标签：计算机软件及计算机应用论文; 车牌识别系统论文; 神经网络算法论文; 特征提取论文; 图像分割论文; 图像识别技术论文; 图像预处理论文; 人工智能论文; 车牌论文;