陈扬[1]2009年在《基于数字图像处理的车牌识别关键技术研究》文中研究说明随着我国经济的发展,高速公路、城市道路、停车场建设越来越多,对交通控制、安全管理的要求日益提高。智能交通系统已成为当前交通管理发展的主要方向。汽车牌照自动识别技术(License Plate Recognition,LPR)是智能交通系统中的一个重要环节,它不但可以广泛地应用于交通流量检测,而且还可以应用于交通控制与诱导,机场、港口、小区的车辆管理,不停车自动收费,闯红灯等违章车辆监控以及车辆安全防盗等领域。因此,具有广阔的应用前景。本论文就是在这种背景下,研究基于图像处理的汽车牌识别系统。车牌识别一般可以分为车牌预处理、车牌的定位、车牌的字符分割和字符识别四个主要部分。本文在分析近年来一些典型的车牌识别系统的算法基础上,最终确定了一套有效的车牌识别算法。本论文研究的主要内容和创新点包括:在车牌预处理阶段,本文首先对车牌图像进行图像灰度化和均衡化的处理,然后采用了一种新的去除噪声的方法——基于偏微分方程去除噪声。该方法步骤虽然比较复杂,但是可以很好的解决图像预处理中存在的平滑和保边界细节之间的矛盾问题。在车牌图像定位和提取方面,本文设计了2种车牌定位方法。基于颜色特征的车牌定位是在传统的投影分析方法的基础上结合HSI颜色空间中的H信息,将此作为车牌的特征,从而截取到车牌。基于灰度跳变特征的车牌定位则是利用车牌中字符的灰度变化来确定车牌位置。在车牌字符分割过程中,由于车牌字符分割中存在边框、铆钉和车牌旋转等问题,而这些问题又容易造成分割不准确和分割错误等后果。因此,针对这些问题,本文采用了一种新的字符分割方法——数字形态学中的连通区域法进行字符分割,并结合现有方法提出一个完整的、行之有效的字符分割方案。在车牌字符识别方面,本文首先对切割下来的字符进行特征提取,然后再利用所提取的特征值对神经网络进行训练,最后利用这个训练结果对其它车牌上的字符进行识别。按照本文所采取的步骤,根据上面所提出的方法对采集来的车辆图像进行试验,得到了良好的效果。
于艳春[2]2007年在《车辆牌照自动识别技术研究》文中研究指明随着我国国民经济的高速发展，国内高速公路、城市道路、停车场建设越来越多，对交通控制、安全管理的要求也日益提高，智能交通系统(ITS)已成为当前交通管理发展的主要方向，而车辆牌照识别(LPR)系统作为智能交通系统的核心，起着举足轻重的作用，它在高速公路、城市道路和停车场等项目管理中占有无可取代的重要地位，它的广泛应用必将有助于我国交通管理自动化的进程。车辆牌照识别系统又分为车牌定位、车牌字符分割及字符识别叁部分，它的研究主要涉及到了模式识别和人工智能、计算机视觉、数字图像处理、人工神经网络等众多的学科领域。车牌定位是车牌识别系统处理的第一步，定位的准确与否直接关系着车牌识别的成败。本文中先对图像进行预处理，然后采用数学形态学与基于车牌先验知识的水平投影法来定位车牌，在准确率上满足了要求。车牌字符的切分效果直接影响到字符识别，在字符切分之前先采用基于先验知识的行扫描法对车牌进行去除边框处理，然后进行二值化及倾斜校正等预处理，在切分方面本章提出连通区域与模板匹配相结合的综合识别策略，有效地提高了字符切分的准确性。车牌的字符识别是整个车牌识别过程中重要的一环，识别方法的好坏直接影响到了整个车牌最后的识别结果，关键在于特征的选择和匹配，难点主要是由于受到摄像机的性能、车牌的整洁程度、光照条件和车辆运动等因素的影响使得车牌字符出现较严重的模糊、缺损或污染，本文采用组合法对汉字和字母、数字分别进行识别，得到了一个较好的处理结果。
沈全鹏[3]2007年在《基于数字图像处理的车牌定位研究》文中研究指明随着我国经济的快速发展，智能交通系统将会成为现代交通管理发展的必然趋势。车辆自动识别系统是智能交通系统(ITS)实现的前提。车牌识别是车辆自动识别系统中最有发展前景的技术之一。车牌识别系统主要由车牌定位、字符分割和字符识别叁部分组成。其中，车牌定位是字符分割和字符识别的基础，对整个系统的性能起着至关重要的作用，决定着系统的识别速度和识别精度。从图像处理的性质来看，车牌定位主要分为基于灰度图像的车牌定位和基于彩色图像的车牌定位。基于灰度图像的车牌定位速度较快，但定位精度不高，受环境、光照等因素影响较大；彩色图像包含的信息比灰度图像多得多，因而更易于车牌定位，但运算量大，因此，基于彩色图像的车牌定位研究较少。近年来，随着计算机技术和图像处理技术的飞速发展，基于彩色图像的车牌定位将是车牌定位研究的热点。本文利用数字图像处理技术对彩色汽车图像的车牌定位技术进行了研究。首先研究了车牌定位技术的发展现状，分析了车牌定位技术的难点。然后详细介绍了数字图像处理技术的基本概念、数学表示、基本运算、研究内容、处理方法和应用领域。接着对现有车牌定位技术进行研究，提出了一种基于像素分类的车牌定位方法。根据车牌底色像素RGB值不同，对像素分类，并进行分析统计，综合利用车牌形状特征和颜色特征来确定车牌区域。实验结果表明，该方法定位准确率高，适用于任意背景和位置的车牌定位。
徐锦钢[4]2008年在《基于DSP的车牌号识别技术及应用研究》文中进行了进一步梳理随着我国交通事业的迅速发展,越来越多的人拥有了汽车,国内高速公路、城市道路、停车场的建设也日益增多,这些情况催生了智能交通系统ITS(IntelligentTraffic System)的出现。车牌牌照识别(License Plate Recognition,LPR)系统是智能交通系统的一个重要子系统,其本身也是一个整体的智能化解决方案,主要包括图像采集、车牌定位、字符分割、字符识别等模块。近年来,车牌识别系统开始应用于小区的车辆管理,公安系统的车辆跟踪、案件侦破等方面。相比传统的PC机纯软件车牌识别方式,DSP嵌入式车牌识别系统在体积、重量、功耗以及图像处理速度等方面都具有明显的优势,成为众多用户的首选方案。本文从车牌识别算法的研究和硬件平台的构建两个方面对DSP车牌识别技术做了比较深入的研究。论文首先阐述了图像的一些基本知识,其中比较重要的知识点是颜色空间和图像数字化及其存储技术。然后详细论述了车牌识别中的每个步骤的具体实现方法,提出了充分利用车牌及车牌字符的先验知识定位车牌和分割车牌图像的方法,在之后的车牌字符识别中提出了二重模板匹配法,有效提高了车牌字符识别的正确率。接着论述了系统硬件平台的设计,包括视频采集、电源、复位、RAM/FLASH扩展、JTAG仿真和调试等电路模块。最后,介绍了DSP的有关开发技术,包括CCS集成开发环境的使用、DSP/BIOS的配置和使用,代码的优化等。实验表明,本文提出的车牌号识别方法具有比较高的正确识别率和较快的识别速度,具有较高的实用价值。文章最后,总结了本文所做的工作,并给出了未来的研究方向。
胡桂珍[5]2009年在《基于数字图像处理的车牌识别系统研究》文中指出智能交通系统是目前世界交通运输领域的前沿研究课题,车辆牌照自动识别系统作为智能交通系统中的一项重要技术,结合了图像处理,模式识别,自动化等多项技术,现在已得到广泛的应用。汽车牌照是车辆最清晰、准确、唯一的标志。车辆牌照识别系统作为一个专门的计算机视觉系统,能够自动地拍摄车辆行进的动态数据、有效地判断和提取含有车牌的图像数据并实时准确地识别出车辆牌照上的字符。本文对一套完整的车辆牌照识别方法进行研究。主要内容包括综述了国内外流行的车辆牌照识别技术,分别介绍了车辆牌照系统的每一个组成部分和国内外的识别方法。采用基于灰度图像的二值化算法对图像进行二值化,分析了基于连通域搜索的车牌照粗定位算法,根据车牌照本身的特点,提取车辆牌照区域特征,对车牌进行精确定位。对于车牌区域,采用基于彩色模型的车牌区域的二值化算法。结合垂直投影和连通域对车牌区域进行字符分割,很好地解决了字符粘连和过度分割的问题。分割结束后提取字符的加权组合特征,利用模板匹配法进行车牌照字符识别。本文的动态车牌识别方法是对现有车牌识别自动技术的进一步改进,提高了车牌识别系统的识别速度、准确性,扩大了适用范围。使车牌识别系统能够真正地实现智能交通管理系统对交通情况进行实时监控的要求。
王彤[6]2009年在《车牌识别系统设计与实现》文中研究表明车牌自动识别系统(License Plate Recognition System)是智能交通系统中的重要组成部分,它有着广泛用途和良好的应用前景。目前已有不少研究者投身这一研究领域,并作了一些富有成效的工作。本文研究了车牌识别系统的四项关键技术及其相应的实现方法:车牌图像预处理技术、车牌图像定位技术、车牌字符提取技术、车牌字符识别技术。在车牌图像预处理技术中,针对阴雨天情况车牌的处理,首先采用分段灰度线性拉伸与卡尔曼滤波相结合的车牌图像的去噪方法,实验结果表明,该方法可以有效地滤除图像的白噪声。在车牌图像预处理基础上对车牌定位和分割,本文采用基于数学形态学和连通域标记的车牌图像定位方法。首先采用9×1的纵向结构元素对车牌图像进行腐蚀,去除一些噪声点,在此基础上,根据车牌字符的长宽比,采用19×17的结构元素对图像进行闭运算,使得车牌所在的连通域与其他可能与之粘连的相对独立的连通域分开,并基于子图像进行连通域判断的字符提取。采用改进的BP人工神经网络的字符识别方法来设计车牌识别系统。BP网络结构为输入层128个结点,输出层结点有6个,隐含层18个结点。在这个网络结构上字母和数字的识别精度分别为91.85%、96%。本文在Visual C++6.0开发平台上,对以上方法进行了开发和实现,构建了一个车牌自动识别系统。最后,本文对车牌自动识别系统的进一步发展方向提出了自己的看法。
温伟[7]2016年在《基于数字图像处理的车牌识别技术》文中认为车牌识别系统作为交通管理的重要部分,已得到越来越多的关注。本文论述的就是一个基于数字图像处理的车牌识别技术,最后进行了实验,可以看出这种车牌识别技术可靠性较好。
邓婷[8]2007年在《数字图像处理在车牌识别系统中的应用》文中认为进入21世纪以来,随着社会的发展和人民生活水平的提高,车辆的数目不断增加,交通状况日趋恶化,给社会和环境到来了巨大的压力。智能交通系统ITS(Intelligence Transport System)是在比较完善的道路设施基础上,将先进的电子技术、信息技术、传感器技术和系统工程技术集成运用于地面交通管理所建立的一种实时、准确、高效、大范围且全方位发挥作用的交通运输管理系统。这种系统能够解决由交通拥挤所产生的各种道路问题,因而越来越受到人们的关注。车牌识别(VLPR,Vehicle License Plate Recognition)技术是智能交通系统中的关键技术之一,同时它的发展也十分迅速,已经逐渐融入到我们的现实生活中。车牌识别系统可以对来往车辆进行自动登记、验证、监管和报警,是现代高速公路收费管理系统、高速公路超速自动化监督系统、公路布控、停车场自动收费管理等领域的重要组成部分。本文对车牌识别系统中的图像预处理、车牌定位技术、字符分割和非汉字字符识别几个方面进行了比较深入的论述。主要工作有以下几个部分:(1)车牌定位技术。文章从介绍基于形态学的车牌定位技术入手,通过试验对比,引入了另外一种基于投影分析的车牌定位方法,实现了车牌的精定位及倾斜校正;(2)字符分割算法。使用车牌的投影特征和车牌字符排列的特点对字符进行了分割;(3)车牌区域非汉字字符识别。利用字符本身的特征进行统计,对字符的各项指标进行运算从而识别出字符。实验结果表明,本文所采用的方法能够达到较好的定位效果,具有一定的鲁棒性和实时性。从中可以看出:多种方法相结合的定位分割技术能够提高系统的整体性能,在有效、实用的前提下将多种算法与人工智能技术优化组合将成为模式识别领域的重要发展方向。
耿庆田[9]2016年在《基于图像识别理论的智能交通系统关键技术研究》文中认为随着全球汽车数量的增加,智能交通系统(ITS)越来越成为解决现代交通问题的重要手段。智能交通系统涉及图像处理、智能识别、机器视觉等多学科交叉,其中以图像识别理论为基础的智能泊车技术、车牌识别技术以及车辆识别技术是智能交通系统中应用较广泛的关键技术。本文以图像识别技术在这叁个领域的应用为前提展开研究:1.提出了基于摄像机标定模型的智能泊车系统算法。该算法利用摄像机标定技术中小孔成像原理与泊车运动学模型相结合的图像实时处理方法,解决了智能泊车转向角度取值和智能泊车轨迹的计算问题。为提高泊车预测轨迹计算的精度,本文分别对泊车轨迹构成曲线的规划及摄像机标定模型进行深入研究。首先分析轨迹约束算法中涉及的变量及空间碰撞点,建立了智能泊车约束方程组,提出了多阶段弧线进退泊车轨迹算法;然后在充分研究张正友二维平面标定方法基础之上,在原有畸变模型中引入切向畸变系数,并给出初值优化算法,简化了求解过程,使标定精度及鲁棒性得到提高。通过使用定制实验车从采集帧率、轨迹精度两个方面进行了大量实验,实验数据表明本算法获得的轨迹精准度较高,系统运行稳定,画面播放流畅,实时性好。2.提出了基于分形维数和隐马尔科夫特征的车牌识别系统改进算法。在算法中将车牌识别分为叁个步骤进行研究。(1)在车牌图像预处理及二值化过程中,提出一种改进的自适应多级中值滤波器算法对图像进行去噪处理;随后提出一种基于改进差分盒分形维数的灰度图像二值化方法进行图像二值化。(2)在车牌定位、字符分割校正过程中,首先通过在传统的Sobel图像边缘检测算法中增加两个方向的模板,并对权重做出重新分配的基础上,提出了基于Sobel算子的车牌精确定位改进算法;随后通过对Radon变换的平移和缩放性进行改进,提出了基于Radon变换的字符校正改进算法;最后通过对垂直投影算法加入适当的参数进行改进,提出了基于垂直投影算法的车牌单字符分割改进算法。经过上述算法的优化处理,提高了车牌图像检测的精准度,使边缘细节更细腻、连续,定位更准确,同时保持字符原有的拓扑结构,减少字符的失真。(3)在字符识别过程中,本文提出了基于改进隐马尔科夫特征的车牌字符识别算法。该算法使用离散余弦变换实现光强数据到频率数据转换,并从条件属性集和个体子集两个角度计算差异矩阵,获得最佳阈值,从而得到精确特征值作为字符特征提取依据,结合多重分类器最终完成车牌字符识别。实验结果表明本文的算法具有较高的识别率,能够满足实际应用的需要。3.提出了基于BP神经网络与HOG特征提取相结合的车辆识别改进算法。该算法首先对车标识别和车型识别分别进行研究,然后将二者识别结果综合起来作为车辆识别的依据。(1)在车标识别算法中,提出了基于改进SIFT算子与BP神经网络相融合的车标识别算法。该方法利用车牌和车标相对位置关联关系,对车标位置进行定位,并采用非固定环数及增加权重系数的方法解决了传统SIFT特征描述子因维数过高而产生计算量及时间复杂度过大的问题,最后融合BP神经网络算法对提取的车标SIFT特征描述子进行识别。(2)在车型识别算法中,提出了基于改进的HOG特征与SVM分类器相结合的车型识别算法,根据车型确定轮廓特征,提取改进的HOG特征,采用SVM分类器进行训练,实现高效准确地车型识别。实验结果表明改进后的识别算法具有较高识别率,并且对光线、部分遮挡、噪声有较强的鲁棒性。上述几种算法在ITS有着广泛的应用前景,其智能泊车技术应用智能车辆导航领域,能够给驾驶员在安全驾驶方面提出适当建议。车牌识别和车辆识别技术可应用在交通监控和交通管理领域,实现车辆检测、车辆跟踪、交通流参数检测、事故检测等交通大数据信息获取,对提高道路通行能力,减少交通事故,合理调节路网的交通流分配具有重要意义。
杨峰[10]2007年在《基于数字图像处理技术的车牌自动检测与分割算法研究》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。日益拥堵的城市交通需要更先进、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已经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。它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深入的研究和分析,主要完成的工作包括以下几个部分:(1)车牌定位算法。研究了两种车牌定位方法,分别是基于高帽变换和小波变换的车牌定位方法与基于投影法和数学形态学的车牌定位方法。前者利用高帽变换从车牌图像中定位出车牌的水平位置,利用小波变换从候选区域中定位出车牌竖直位置,进而从原始图像中提取出车牌;后者采用投影法进行车牌水平定位,通过数学形态学变换得到车牌竖直位置信息,从而准确地从含有车牌的图像中定位出车牌图像。(2)字符分割算法。详细探讨了两种字符分割方法,一种是基于拉普拉斯变换、区域生长法和车牌先验知识相结合的车牌字符分割方法,另一种是基于快速区域标号算法和车牌大间隔定位方法的车牌字符分割方法。前者采用拉普拉斯变换和区域生长法进行字符区域检测,利用车牌先验知识进行字符区域定位;后者通过快速区域标号算法得到字符的候选区域,结合车牌大间隔的位置特征得到最终的字符区域。(3)车牌识别系统软件平台。搭建了一个基于c/c++语言的算法演示平台,该平台集成了我们算法研究的结果,以及一些通用的数学算法,该平台是完全开放的,可以自由在其基础上增加新的算法并可方便的观察算法结果。本文提出的算法均已在软件平台上正确实现,并使用大量从各种不同环境下采集的具有代表性的车辆图像作为算法测试数据源对算法进行测试,结果证明两种车牌定位算法的准确率分别为98.89%和97.78%,两种字符分割算法的准确率分别为97.2%和98.44%。
参考文献：
[1]. 基于数字图像处理的车牌识别关键技术研究[D]. 陈扬. 武汉理工大学. 2009
[2]. 车辆牌照自动识别技术研究[D]. 于艳春. 青岛科技大学. 2007
[3]. 基于数字图像处理的车牌定位研究[D]. 沈全鹏. 广东工业大学. 2007
[4]. 基于DSP的车牌号识别技术及应用研究[D]. 徐锦钢. 兰州理工大学. 2008
[5]. 基于数字图像处理的车牌识别系统研究[D]. 胡桂珍. 西南交通大学. 2009
[6]. 车牌识别系统设计与实现[D]. 王彤. 苏州大学. 2009
[7]. 基于数字图像处理的车牌识别技术[J]. 温伟. 科技展望. 2016
[8]. 数字图像处理在车牌识别系统中的应用[D]. 邓婷. 湖南大学. 2007
[9]. 基于图像识别理论的智能交通系统关键技术研究[D]. 耿庆田. 吉林大学. 2016
[10]. 基于数字图像处理技术的车牌自动检测与分割算法研究[D]. 杨峰. 电子科技大学. 2007
标签：计算机软件及计算机应用论文; 智能交通系统论文; 车牌识别系统论文; 车牌论文; 数字图像处理论文; 图像分割论文; 特征提取论文; 图像融合论文;