基于机器学习的模糊车牌的识别.pdf

武汉科技大学摘要硕士学位论文第��智能交通系统作为分析处理城市和公路上的车辆的工具被迅速地发展。车牌识别系统涉及到计算机视觉、图像处理、模式识别等多个学科。由于应用场景及车牌本身的复杂性,该系统需解决的问题相当复杂,比如外界光照条件恶劣、特殊天气条件、复杂的非车牌区域干扰等因素都会影响车牌识别系统的性能。本文选用抗噪性较好的小波包变换对图像进行增强;根据车牌图像具有��特征采用����算法训练数据区分含有车牌的图像和不含车牌的图像,采用���堑慵觳夥椒ū昙撬�薪堑阄恢茫�缓蠖ㄒ逡桓鼍匦位��窗口扫描整幅图像,最后滑动窗口中白色像素点最多的位置即为车牌区域,从而定位出车牌区域。根据���浠唤�兴�椒指睿��笤俳�写怪狈指钭既返姆指畛龈鞲鲎址���后采用�神经网络的方法是识别出分割出来的字符。关键词:车牌定位;����算法;���堑悖蛔址�指睿籅�窬��纾蛔址�侗�
武汉科技大学���������;����.������,������第�页硕士学位论文����������.�������籧����������琣������,����������籗�����;���������������������甃������甊�����������甋���������畇��������籥�������瑄�����畉������,������:����������籄�������,���.����
武汉科技大学第一章绪论硕士学位论文第����课题研究背景随着社会的进步和科学的发展,人民的生活水平也在不断提高,公共设置越来越完善,公路系统越来越发达,城市的智能管理也需要加强。智能交通系统������������也成为衡量一个城市文明的标准,其中车牌识别系统������������又是智能交通系统中的一个重要课题。车牌识别系统需要多个学科的知识,整个阶段都需要图像处理,采集车牌图像时还涉及到计算机视觉,在字符切割阶段还涉及到机器学习等,在字符识别阶段还涉及到计算机视觉、模式识别等。由于环境以及车牌本身就比较复杂,系统也就比较复杂。不同的天气、光照、非车牌区域的干扰会加大车牌定位的难度;车牌通常含有灰尘会影响图像的质量,车牌断裂,由于车牌悬挂不规范、拍摄角度等会造成获取的车牌图像在车牌区域有一定的倾斜角,这些因素都可能造成字符分割时不能将字符单独的分开,从而影响准确性;中文汉字笔画较多,所以在识别的时候往往准确率不高,还有一些字母和数字在识别的时候很容易混淆;另外我国车牌的规格不统一也给国内学者研究车牌识别增加了难度。针对上面提到的问题,国内外很多专家提出了许多解决方案,但在识别速度、正确率和环境适应性上依然有很多可以改进的部分。一个产品不可能对所有的问题都做周密的考虑,也不可能在所有的环境下都适用。所以,无论是从积累技术的角度来讲,还是从进一步提高车牌识别性能的角度来讲,研究车牌识别的相关技术、开发车牌识别软件依然具有重要的现实意义和实用价值。��国内外研究现状由于车牌识别主要是针对车牌定位、字符分割和字符识别这三个步骤,所以国内外也是针对这三个步骤进行研究⋯,国外对于车牌的研究起步较早,而且国外的车牌颜色比较单一,字符也不复杂,但是各种算法对我国车牌的研究还是具有很多启发意义。所以下面谈研究现状时就从这三个方面进行。车牌定位阶段根据图像是否是彩色的分为两个方面,一个是基于彩色图像的处理另一个是基于灰度图像的处理。其中基于彩色图像的车牌定位,原理就是将图像在各个颜色空间中进行色彩分割,然后再进行水平和垂直投影,得到车牌的边界信息。如果车牌单一用这种方法定位就比较好,但是我国的车牌有多种颜色,而且颜色收到光照影响比较大,所以单纯基于彩色图像进行定位效果不太理想。而基于灰度图的车牌定位方法又可以分为以下两大类:����������
法,根据车牌图像具有�精征采用����算法训练数据区分含有车牌的武汉科技大学字符分割阶段也分两个方向。一个是基于图像的本身的信息进行分割,另一个是基于识,简要的介绍了车牌识别过程实验的平台——���。第��硕士学位论文���谕枷癖咴堤卣鞯某蹬贫ㄎ环椒āO雀�菟惴ǖ玫匠蹬仆枷竦谋咴敌畔ⅲ�缓�在用数学形态学的方法进行开闭操作后者填充算法得到候选车牌区域,由于车牌的宽高比相对比较固定,根据这个信息可以排除非车牌区域,最后就能定位出车牌区域。此方法是经典的图像分割方法,但是如果车牌图像中含有和车牌尺寸相似的区域�热绯档疲�牌�诘�就会产生误定位而影响后面的识别效果。���诔蹬仆枷裎评硖卣鞯某蹬贫ㄎ环椒ā3蹬葡喽杂谕枷裰械钠渌�糠郑�附诒�较多、角点的密度较大,而且整个区域是矩形的。可以根据这些信息区分车牌区域和非车牌区域,对于比较难分辨的位置还可以结合先验知识进行剔除,此方法可以有效的排除噪声干扰,鲁棒性较好,在车牌定位阶段