刘新宇[1]2004年在《汽车牌照识别系统应用研究》文中指出近几年来，随着我国经济的快速发展，中国汽车市场持续、快速增长，汽车拥有量急剧增加，公路交通成为重要的交通运输途径。日益增多的机动车辆给公路和城市的交通管理带来了许多诸如交通拥堵、交通事故频发、环境污染等问题，因此利用高科技开发智能交通系统(Intelligence Traffic System，简称ITS)，实现对交通状况的自动监控与调度，已经成为全球化城市交通管理的共同趋势，车辆牌照识别技术正是在这种背景下应运而生的。汽车牌照识别技术(LPR)作为智能交通系统的一个重要组成部分，发挥着重要作用。利用该技术可以实现对车辆的自动登记、验证、监视和报警，高速公路收费，对停车场进行管理，特殊场所车辆的出入许可等。 本文根据图像识别理论，在现有技术基础之上，综合利用图像处理，计算机视觉，模糊识别等技术，重点对车牌分割、字符分割与特征提取以及字符识别进行了应用性的研究，提出了一些新的算法或者改进已有的算法。最后对所提取的特征进行了模糊识别，并给出了检测结果。 基于上述原理，并根据所识别牌照的具体特点，主要进行了以下工作： (1) 论述了汽车牌照的几种应用技术和现阶段的发展动向。 (2) 对汽车牌照识别系统的软件、硬件设计进行了简要的介绍。 (3) 对图像预处理的各种方法及特点进行了研究，找出了适合本系统的车牌照图像的预处理方法。 (4) 对汽车牌照的定位与分割技术进行了详细的论述。 (5) 对车牌字符分割和特征提取方法进行了探讨，较为成功地实现了字符的分割并提取了适合本系统的7个有效特征。 (6) 运用模糊理论知识，实现了车牌字符的模糊识别并给出了实验结果。 实验数据表明，本系统能较准确地定位、分割车牌并进行识别。同时也说明了把多种图像的预处理与识别技术有机结合起来可以提高系统的识别能力，在有效、实用原则的基础上利用模糊技术不仅可以提高汽车车牌上汉字、英文字母和数字的识别率，而且适合我国目前交通汽车业的现状，因此具有很好的研究和开发价值。
张晓勇[2]2007年在《基于DSP的汽车牌照识别技术研究》文中研究指明随着经济的发展和道路交通事业的发展，以计算机图像处理技术，通信技术和信息管理技术为核心的智能化道路交通监控和管理系统在道路交通安全管理领域和小区的智能化管理得到了广泛的运用。车辆牌照的自动识别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，是实现交通管理智能化的重要环节。目前的牌照识别系统不仅实现价格的比较高、机动性能差，还存在着识别速度慢，识别率和稳定性差的问题，而且，因为整个系统都是基于通用计算机地软件，不利于软件知识产权的保护。经过分析牌照识别算法的特点和DSP芯片以及DSP系统的特点。我们确定用DSP实现牌照识别。无论在性能上，成本上，机动性上还是知识产权保护上都有着巨大的优越性。本论文的工作分为两个部分。一个是基于Visual C++的汽车牌照识别算法研究，包括汽车牌照区域的定位和牌照字符的识别两个部分。在识别算法研究过程中，采用了BP神经网络的识别算法，并取得较好的识别效果。另外一个是牌照识别的DSP系统开发研究。通过该课题的开发，熟悉了DSP的结构及其开发流程，通过对现有的DM642评估板的硬件和驱动程序研究，编写了该系统的应用程序。通过试验试，验证了该系统的功能。本文对这两个部分的研究开发制作进行了详细的介绍。下面是具体的章节安排。第一章是绪论，介绍了车辆牌照识别的应用价值、存在问题，提出了用DSP实现牌照实时识别的课题，及本论文的主要内容。第二章阐述了本论文中使用的一些图像处理基本理论和方法。第叁章介绍了牌照识别中牌照位置的寻找方法。第四章介绍了牌照字符的切割和BP神经网络的识别算法。第五章介绍DSP信号处理系统，通过比较，得出用DSP实现牌照自动识别有着巨大得优越性，并简要叙述了DSP系统开发流程、系统设计以及算法标准。第六章介绍了专门用于牌照识别的DSP系统的研究开发，包括硬件接口和软件驱动以及牌照识别的软件移植。最后，在第七章总结了本论文所做的主要工作，并对以后用DSP实现牌照识别的问题作了展望。
张晓[3]2005年在《汽车牌照识别技术的研究与实现》文中进行了进一步梳理汽车牌照自动识别系统的研究与开发一直是现代化交通发展中倍受关注的问题,也是制约交通系统智能化、现代化的重要因素。本文在分析目前有代表性的车牌定位和识别方法以及图像处理技术的基础上,研究了车牌自动识别的各项关键技术,包括汽车图像预处理、车牌定位、车牌字符分割和字符识别,设计并实现了一个车牌自动识别原型系统。汽车图像的预处理是车牌定位与识别中最关键的一步。本文在对大量图片进行各种综合处理的基础上,总结出将图象进行灰度化、灰度拉伸、中值滤波的预处理方法,很好地消除了图象的噪音,强化了纵向纹理区域;通过对车牌特征和定位技术的深入研究,提出了基于纹理特征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;最后,又提出了一种车牌字符识别方法,包括针对汉字的模板匹配法以及针对字母和数字的多分类器融合的字符识别方法。实验数据表明,本系统能较准确地定位、分割车牌并进行识别。同时也说明了把多种图像的预处理与识别技术有机结合起来可以提高系统的识别能力,在有效、实用原则的基础上不仅可以提高汽车车牌上汉字、英文字母和数字的识别率,而且适合我国目前交通汽车业的现状,因此具有很好的研究和开发价值。
陈正慧[4]2008年在《基于DSP的汽车牌照识别技术研究》文中研究说明在信息化的时代背景下,随着经济的发展和道路交通事业的发展,以计算机图像处理技术,通信技术和信息管理技术为核心的智能化道路交通监控和管理系统在道路交通安全管理领域和小区的智能化管理得到了广泛的运用。车辆牌照的自动识别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,是实现交通管理智能化的重要环节。它的出现必将对交通管理带来深远的影响,为实现交通智能化带来便利。目前的牌照识别系统不仅实现价格的比较高、机动性能差,还存在着识别速度慢,识别率和稳定性差的问题,而且,因为整个系统都是在通用计算机上用软件实现,不利于软件知识产权的保护,技术经济指标较差。经过分析牌照识别算法的特点和DSP芯片以及DSP系统的特点。我们确定用DSP来实现牌照识别。用TMSC320DM642DSP实现一个嵌入式的汽车牌照识别系统。这款DSP芯片无论在性能上,成本上,机动性上还是知识产权保护上都有着巨大的优越性。本论文的工作分为两个部分。一个是基于Visual C++的汽车牌照识别算法研究,包括汽车牌照区域的定位与分割和汽车牌照识别系统的硬件规划两个部分。在识别算法研究过程中,采用了基于色彩的汽车牌照区域分割的汽车牌照定位方法,取得较好的识别效果。另外一个是牌照识别的DSP系统开发研究。通过该课题的开发,熟悉了DSP的结构及其开发流程,通过对现有的DM642评估板的硬件和驱动程序研究,对汽车牌照识别系统的硬件系统进行了初步的设计。本文对这两个部分的研究开发制作进行了详细的介绍。下面是具体的章节安排。第一章是绪论,介绍了车辆牌照识别的应用价值、存在问题,提出了用DSP实现牌照实时识别的课题,及本论文的主要内容。第二章阐述了本论文中使用的一些图像处理基本理论和方法。第叁章介绍了利用颜色作为汽车牌照区域定位和分割的方法和实现方法。第四章介绍了基于TMSC320DM642DSP的汽车牌照识别系统的硬件系统的设计方案,为整个系统的实现打下了坚实的基础。第五章介绍DSP信号处理系统,通过比较,得出用DSP实现牌照自动识别有着巨大得优越性,并简要叙述了DSP系统开发流程、系统设计以及算法标准。最后,在第五章中总结了本论文所做的主要工作,并对以后用DSP实现牌照识别的问题作了展望。
周阅宇[5]2013年在《汽车牌照识别系统研究与设计》文中进行了进一步梳理近年来，我国的公路交通事业发展迅猛，智能交通系统越来越受到人们的普遍关注。随着智能交通系统的全面实施，汽车牌照的自动识别技术变得越来越重要，汽车牌照作为唯一的识别信息，车牌识别系统的应用也将越来越广泛。与车牌相关的技术也越来越成为学校、研究机构和商业中重要的研究热点。汽车牌照识别系统是对由摄像头拍摄的车牌图片，综合运用众多国内外研究的图像领域最新算法和模式识别方法对图像进行阈值分割、平滑处理、边缘检测以及图像分割等处理以后提取出完整的车牌区域，然后对这个车牌区域进行定位、分割并完成对汽车牌照上字符的识别的过程。车牌识别主要包括字符分割、车牌定位、字符识别叁个部分。本文主要基于国内外现有的车牌识别技术现状的基础上，结合计算机软件工程的相关知识和技术以及自己在校所学计算机编程语言，对汽车牌照识别系统进行了需求分析和可行性分析，通过对汽车牌照的特点进行分析、研究,结合我国车牌字符的先验知识，以微软的VC++6.0为平台，利用微软的MFC图像库和Intel的OpenCV计算机视觉库，开发了一个汽车牌照自动识别系统。本文并对系统开发所用到的设计思想、设计方案以及系统的总体设计和详细设计做了详细的阐述主要完成的工作如下：对采集到的图像进行一定的预处理包括灰度化、二值化、高斯滤波、Canny边缘检测等处理，去除掉图像中存在的噪声干扰和小圆点干扰。通过对预处理之后的车牌图像进行水平分割、垂直分割和车牌大小的归一化实现定位功能，并利用OpenCV库中的函数把定位好的车牌区域分割出来，保存为标准大小图像。基于车牌比例特征和垂直投影相结合的字符分割算法将7个字符分割开来。最后通过模板匹配法将分割出来的车牌字符和已有的字符模板进行特征值匹配，从而达到识别字符的效果。完成的主要功能如下：图像预处理：对采集到的车牌图像进行预处理，提高正确识别率。车牌定位：从采集到的图像中，采取一定的算法，找出车牌区域。字符分割：从已经定位分割好的车牌区域中，将其中的字符图像切分出来，保存为单个的字符图像。字符识别：在每个字符图像中识别出正确的字符文字。最后对已经完成的车牌识别系统，选取了一些包含车牌的图像，使用本文开发的汽车牌照识别系统对其功能和识别率进行详细的测试，经过测试我们发现，该系统具有非常好的字符识别效果，识别正确率高，速度快，而且软件上手容易，操作简单易懂。
周亮[6]2007年在《基于神经网络的车牌识别算法研究》文中研究说明随着城市交通管理现代化水平的提高，建立在车辆牌照识别基础上的交通信号自适应控制系统、智能交通监控系统、GPS车辆管理及导航系统、停车场自动收费系统、智能化交通管理系统应用而生。由于汽车牌照是机动车辆管理的主要标志符号之一，因此对车辆牌照识别系统的研究就尤为重要，该研究的核心是提高车牌识别率，这就需要识别算法能够对环境光照条件，拍摄位置和车辆行驶速度等因素的影响有较大的鲁棒性，并能够满足实时性的要求。本文设计的主要研究内容包括：运用仿真软件对后台图像进行高速，准确的处理。主要工作是对牌照的定位、分割和牌照的字符识别算法方面进行了深入地研究。在牌照的定位之前，本文首先运用不同于当下传统的方法，而是结合当前比较热门的神经网络来对图像进行预处理，得到了比较突出的牌照信息。然后结合牌照自身的一些固有特征，用形态学的方法进行了车牌区域的准确定位；对定位得到的车牌，再次结合牌照内部细节特征，对车牌进行投影，从而得到了车牌较为完整的分割；最后在车牌字符识别阶段，以现今比较流行的神经网络为理论基础，有效的设计出一个改进的神经网络识别算法。仿真结果表明采用本文提出的从车牌定位、分割到最后字符识别的算法能够有效地提高车牌识别率。本文研究内容的创新性体现在以下叁个方面：(1)车牌定位阶段，采用一个改进的自适应PCNN神经网络对图像进行预处理可以得到一个细节丰富，边缘完整的二值图像，随后基于牌照固有特征，结合一种新的形态学方法，可以得到多个车牌候选区域；(2)车牌字符分割阶段，为了满足算法实时性的要求，对畸变车牌进行预处理时，采用字符的行特征来描述本文的倾斜校正算法，之后，基于改进的投影特征图对字符图像分割；(3)字符识别阶段，为了提高算法的识别率，采用改进的BP神经网络。仿真结果表明，通过对算法进行一系列的创新和改进，可以使识别算法的速度加快，识别率得到提高，效果比较理想。
何小娜[7]2010年在《基于智能算法的汽车牌照识别技术研究》文中研究说明随着信息技术和智能技术的发展,交通管理系统的信息化、智能化已成为主要的发展的趋势。车牌识别系统是智能交通系统的核心组成部分,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,对车牌识别系统中关键技术的研究已经成为智能交通领域的一个热点问题。本文对车牌识别系统中的图像预处理、汽车牌照定位、字符分割、字符识别等几大关键部分进行了比较深入、全面的研究,并对汽车牌照字符分割技术做了新的尝试。字符分割的效果直接影响后续图像处理的性能。本文对汽车牌照字符分割的技术采用改进的蚁群算法。图像分割是图像处理和图像分析的重要基础。基本蚁群算法蚂蚁的搜索是随机的,计算量大,不利于算法的收敛。因此,本文设计了基于二维直方图和改进的蚁群聚类算法的图像分割方法,改进了应用传统分割方法分割图像效果不佳的问题。蚁群聚类算法是一种具有离散性、并行性、鲁棒性和模糊聚类能力的进化方法。改进后的算法通过二维直方图设置初始聚类中心来减少蚁群算法循环次数,定义了一种新的引导函数,并通过改进信息素更新机制提高蚁群聚类的速度。实验证明,该算法是一种比较准确、快速的图像分割方法。由于人工神经网络具有与人脑相似的高度性,基于神经网络的车牌识别技术研究行性、良好的容错性和联想记忆功能、自适应、自学习能力和容错等特点,特别是以改进型网络为代表的神经网络具有良好的自学习能力、强大的分类能力、容错能力或鲁棒性,可以实现输入到输出的非线性映射。因此,选择神经网络作为字符进行分类、识别的主要方法。应用神经网络的容错和自适应的特征,结合网孔法和扫描法对所识别的字符进行并行和串行的多识别融合方法识别字符,缩小识别字符集中字符的数量。网络的学习训练采用BP算法的改进方式,它采用附加动量法和学习率自适应调整两种策略。附加动量法降低了网络相对误差曲面局部细节的敏感性,有效抑制网络陷于局部极小。自适应调整了学习率,有利于缩短学习时间,从而提高了学习速度,并增加了算法的可靠性。测试效果验证了所使用的方法的正确性,达到了研究目标。
党浩, 杨莉军, 田益民, 王欣, 王坤[8]2016年在《OpenCV汽车牌照识别方法改进》文中认为传统的Open CV车辆牌照识别方法没有考虑到有些汽车牌照下方会有两个螺丝钉的问题,螺丝钉会在提取的图像上留下阴影,字符附近的阴影对汽车牌照字符识别的准确率势必有一定的影响。为了解决该问题,运用Open CV的MATLAB接口进行编程,对原方法进行了改进。结果表明:改进的方法去掉了螺丝钉的阴影,对提高车牌识别准确率有一定的作用。
郑影[9]2008年在《基于VC++的汽车牌照定位与识别系统的设计》文中指出汽车牌照定位与识别系统是智能交通系统的一个重要组成部分,利用该技术可以实现对车辆的自动登记、验证、监视和报警,高速公路收费,对停车场进行管理,特殊场所车辆的出入许可等。本文主要讨论软件部分的工作,包括汽车牌照定位分割、字符切分和字符识别。首先通过对图像预处理的各种方法及特点进行了研究,找出了适合本系统的汽车牌照图像的预处理方法。其次对汽车牌照定位分割的主要方法进行详细地介绍和比较,确定了汽车牌照的定位分割过程。先采用线扫描法对汽车牌照进行粗定位,然后在图像处理的基础上采用基于边缘检测和投影图法对汽车牌照完成精确定位。再次实现汽车牌照字符的切分,为保证切分效果,对定位后汽车牌照进行倾斜校正,然后采用垂直投影法实现字符切分,实现字符切分后对字符归一化处理,为字符识别提供大小一致的字符。最后本文采用结构和统计相结合的方法对汽车牌照字符进行一种基于模糊决策的模糊分类器的模糊决策识别。在此理论研究的基础上利用VC++6.0开发了汽车牌照定位与识别系统的软件。实验数据表明,本系统能较准确地定位分割车牌、字符切分和字符识别。同时也说明了把多种图像的预处理与识别技术有机结合起来可以提高系统的识别能力,在有效、实用原则的基础上利用模糊技术不仅可以提高汽车车牌上汉字、英文字母和数字的识别率。该系统的开发适合我国目前交通汽车业的现状,具有很好的市场开发价值。同时该系统涉及到数字图像处理、模式识别和模糊识别等多个技术领域。因此同样具有很高的理论研究价值。
叶青[10]2002年在《图象几何畸变的校正技术及其在汽车牌照识别系统中的应用》文中认为依据图像处理和近景摄影测量原理，把图像几何畸变校正技术应用于汽车牌照识别系统中，将会明显提高系统的识别率。汽车牌照识别系统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。汽车在通过识别现场时由于汽车牌照与摄像机叁维空间相对位置关系，摄像机畸变等多方面的原因，经过摄像机摄入的图像会发生几何畸变，出现歪斜变形情况。牌照图像中的文字与数字信息同时发生的几何畸变，给汽车牌照的准确识别带来了困难。针对此问题本文给出了一套将几何畸变校正技术应用到汽车牌照自动识别系统中的车牌图像校正方法：首先提取牌照信息，并对图像进行边缘检测和二值化的预处理；然后提出了基于Hough变换控制点提取和基于图像分析法的控制点提取的两种实时标定方法；最后通过空间坐标变换和灰度插值完成图像的校正。本文对图像校正的具体实现方法逐一进行了介绍，并对标定原理与控制点提取方法作了较为详细的说明。实验证明，该方法符合汽车牌照图像的特点，具有较好的处理效果。
参考文献：
[1]. 汽车牌照识别系统应用研究[D]. 刘新宇. 郑州大学. 2004
[2]. 基于DSP的汽车牌照识别技术研究[D]. 张晓勇. 贵州大学. 2007
[3]. 汽车牌照识别技术的研究与实现[D]. 张晓. 吉林大学. 2005
[4]. 基于DSP的汽车牌照识别技术研究[D]. 陈正慧. 贵州大学. 2008
[5]. 汽车牌照识别系统研究与设计[D]. 周阅宇. 吉林大学. 2013
[6]. 基于神经网络的车牌识别算法研究[D]. 周亮. 青岛科技大学. 2007
[7]. 基于智能算法的汽车牌照识别技术研究[D]. 何小娜. 长春工业大学. 2010
[8]. OpenCV汽车牌照识别方法改进[J]. 党浩, 杨莉军, 田益民, 王欣, 王坤. 北京印刷学院学报. 2016
[9]. 基于VC++的汽车牌照定位与识别系统的设计[D]. 郑影. 吉林大学. 2008
[10]. 图象几何畸变的校正技术及其在汽车牌照识别系统中的应用[D]. 叶青. 河北大学. 2002
标签：计算机软件及计算机应用论文; 车牌识别系统论文; 车牌论文; 图像分割论文; 图像识别技术论文; 神经网络算法论文; 模糊理论论文; 图像融合论文; 图像预处理论文; 模糊算法论文; 定位设计论文;