郜鹏[1]2016年在《汽车牌照自动识别技术研究》文中研究表明随着我国经济水平的高速发展,作为一种重要的交通工具,我国的汽车数量急剧增加,这就对交通控制和安全管理提供了更高的要求。近年来社会生活节奏不断加快,对车辆的管理也逐渐从传统的人工管理方式向智能化和自动化的方向发展。对汽车牌照的识别能够为车辆管理提供一个良好的可视化条件,车牌识别技术的改善能够进一步提升我国交通系统的智能化程度,以达到智能交通的要求。因此对于汽车牌照自动识别中的关键技术进行研究,对提高整个识别系统可靠性有重要意义。论文主要研究内容如下：1)研究了应用在汽车牌照识别中的几种关键图像处理技术。通过灰度增强,直方图变换等方式对汽车牌照图像中相关信息进行了研究,再对图像进行去噪和边缘检测,有效地滤除原始图像中的噪声干扰及弱相关信息,实现了对强相关信息的局部增强,完成汽车牌照图像预处理。2)研究了汽车牌照自动识别的主要组成部分。首先重点对汽车牌照定位进行分析,对基于数学形态学的定位方法进行研究,采用一种结合图像颜色特征定位的判定方法。然后对定位结果进一步处理,以垂直投影法完成车牌字符的分割,就其中字符结构造成的异常状态进行了分析并提出解决办法。最后采用模板匹配算法完成汽车牌照字符的识别。
邢法玉[2]2008年在《数字图像处理技术应用于汽车牌照识别的研究》文中研究表明交通信号自动控制系统、GPS车辆定位及导航系统、智能交通监控系统、智能小区管理系统等智能交通系统(Intelligent Transportations System(ITS))在交通管理中日益发挥重要作用。由于牌照是确定汽车的有效手段,因此,汽车牌照识别系统(Vehicle License Plate Recognition System(VLPRS))在智能交通管理中发挥着基础性的作用。针对当前道路交通管理的现状,本文研究了汽车牌照自动识别的问题,设计了一个汽车牌照识别系统,初步实现了系统中的关键部分。该汽车牌照识别系统主要由五部分组成:图像采集输入、图像预处理、汽车牌照定位、字符特征提取、字符识别。图像采集输入模块主要由硬件构成,寻觅采集图像的时候,实时拍照并将图像传送到图像处理模块。图像预处理、汽车牌照定位、字符特征提取、字符识别模块主要由软件实现,完成牌照定位和牌照识别的任务。为了快速高效的开发出模块原型,该模块主要由Matlab实现。在图像预处理过程中,本文采用了全局动态阈值法中的迭代法进行二值化;增加了基于数学形态学的汽车车牌照图像滤波,减小了图像中颗粒状噪声的干扰;同时利用Canny算子和哈夫变换法对倾斜的牌照图像进行角度纠正,使得牌照信息突出,提高系统的识别率。对汽车牌照定位,先根据车牌区域频率变化的特点,用扫描线方法得出车牌区域的水平定位,再对分割出来的车牌图像所在的水平区域进行垂直投影,以该投影图为基础结合由经验所得到的车牌区域灰度变化的频率信息再次借助水平扫描线进行牌照的垂直定位,从而最终完成牌照的完整定位与分割。最后是汽车牌照识别部分,主要是对通过汽车牌照预处理及定位与分割后的图像进行识别,从而得到汽车牌照号码输出。包括字符特征库的建立、特征值的提取、字符的判断等主要过程。本部分主要技术点是采取了基于K-L变换的字符识别。通过实验验证,整个系统的识别正确率达到87.9%,满足实用要求。
胡桂珍[3]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。
赵咏梅[4]2005年在《汽车牌照自动定位技术研究》文中指出随着机动车辆规模及流量的不断增加,路政部门对交通管理智能化的要求越来越高。而实现智能化的关键技术之一——牌照定位技术尚未成熟,有待于进一步研究。 本文首先介绍了汽车牌照自动定位系统开发应用的技术路线、关键问题的解决方法及系统实现的措施,涉及了图像处理与识别等技术。其次深入研究了车牌定位方法的总体结构:首先对汽车图像进行灰度转换、平滑去噪、二值化预处理,再根据车牌上文字变化特点,快速、准确地从复杂背景中分割车牌。其中,本文对图像预处理、牌照的边缘检测、车牌定位分割等模块涉及到的新算法、新技术,进行了详细研究。 为了解决车牌识别中的首要问题——车牌自动定位技术,根据车牌区域灰度变化和车牌纹理特征,本文采用了“阈值自适应变步长动态分析”的定位算法,加快了定位处理的速度;根据车牌目标在图象中的成像特点,本文提出了基于投影不变性的车牌自动定位方法,该方法在车牌歪斜角度不大的情况下,成功地从复杂背景中检测定位出了车牌;当车牌歪斜角度大的情况时,本文提出了“改进的Hough变换提取车牌边线”的定位方法,该方法取得了较好的定位效果,可满足课题研究要求。论文的最后对车牌定位技术中存在的问题及发展的方向进行了总结和论述。
周亮[5]2007年在《基于神经网络的车牌识别算法研究》文中进行了进一步梳理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。
刘勇智[6]2010年在《基于数字图像处理的车牌识别系统研究》文中指出ITS(Intelligence Transport System)智能交通系统是21世纪公路交通系统的重要核心技术,世界各国正在致力于它的研发和实际应用。车辆牌照识别是ITS重要研究领域之一,该系统适合于城市交通管理、高速路汽车超载、超速监控、公路不停车收费、停车场管理、车辆跟踪以及小区智能化管理等应用。基于计算机图像处理和模式识别技术的车牌自动识别技术是车辆牌照识别系统的关键技术,因此,对车辆识别技术的研究具有重要的理论意义和实用价值。车牌识别一般可以分为车牌的定位、牌照上字符的分割和字符识别叁个主要组成部分。本文研究了车牌识别的各项关键技术,在分析了近年来一些典型的车牌识别算法的基础上,最终确定一系列有效的算法对车牌进行识别。在车牌定位上,首先,用灰度化、全局阈值法二值化、sobel算子边缘化等数字图像处理算法得到车牌图片的边缘图像,然后利用数学形态学进行处理,形成多个符合车牌特征的连通区域。接下来,分别根据车牌的形状特征,对得到的连通区域进行分析和排除,从而得到粗略的疑似车牌区域。在字符分割阶段,本文主要借助相关的投影信息和先验知识,将字符分割的特征信息提炼为判决条件对疑似车牌区域进行精确定位,在精确定位的同时实现字符分割。该车牌定位与字符分割相结合的方法的优点是可以过滤掉车牌临近区域那些颜色、纹理与车牌特征不符合的干扰纹理,如栅格、边框等。对于单个字符的识别问题,本文给出了一种根据字符的结构特征制定的编码系统,利用编码来快速准确地识别车牌中的字符。最后,本文针对所提出的算法,进行了车牌识别的试验。试验证明,本文所提出的改进算法是合理的,在实际的应用中是可行的,有效的。
杜建波[7]2006年在《汽车牌照自动识别系统的研究与开发》文中研究表明汽车牌照自动识别技术应用于智能交通系统是我国交通事业的必然发展趋势,对国民经济的快速发展起着十分重要的作用。 车牌自动识别系统主要分为图像预处理、车牌定位、字符分割和字符识别等主要模块,也包括后续应用程序的开发。针对不同的模块,本文研究分析了现有的理论算法,并提出了具有实际应用意义的解决方案。 1.在图像预处理模块,因为人眼对于不同颜色分量的敏感度不同,图像灰度化采用加权平均值法;二值化过程中阈值的选取至关重要,本文采用动态自适应阈值法,效果理想;边缘提取利用了拉普拉斯算子;去噪过程采用的是中值滤波方法; 2.车牌定位模块包括粗定位和细定位,本文通过分析车牌的尺寸、类型、颜色,得到不同的特征向量,即车牌的几何特征、灰度分布特征、投影特征和字符排列特征等,利用这些特征进行车牌定位; 3.在车牌字符分割模块,提出了双向对比垂直投影分割法,该方法基于车牌的垂直投影,能够将字符准确的分割开,利于车牌字符识别: 4.本文对车牌数字和车牌字母及汉字提出了不同的处理方法,数字识别采用投影技术,汉字和字母识别应用CC4神经网络技术,兼顾了识别准确率和识别速度; 5.对于应用程序的开发,数据库设计是个重点,大型的基于卫星和网络的系统适于用Oracle数据库;小区车辆管理等小型系统适于用SQL Server等数据库。 根据上述方法原理,以VC++6.0为开发平台,进行程序设计,编制了车牌自动识别软件。
王磊[8]2008年在《基于投影特征匹配的车牌汉字识别方法研究》文中提出汽车牌照自动识别技术应用于智能交通系统中,是我国交通事业的必然发展趋势,对我国经济的快速发展起着十分重要的作用。车牌自动识别系统主要分为图像预处理、车牌定位、字符分割和字符识别等主要模块。关键技术是字符识别技术,其中西文和数字识别技术已经取得了相当大的成果。由于我国车牌的特殊性,车牌汉字字符识别技术依然是重要的研究课题,也是车牌自动识别的难点问题。本文针对字符识别模块,着重研究分析了汉字字符识别的理论算法,在原有的算法上加以改进,加快了识别速度,提高了识别的准确率。其中主要包括:(1)车牌汉字图像的预处理:在对车牌汉字识别前进行必要的预处理工作。首先对整个车牌图像进行图像预处理,去除噪声。然后进行车牌定位,字符分割。最后将分割出的汉字字符进行归一化,其中包括灰度归一化和大小归一化,为后续的匹配做准备。(2)汉字图像特征提取:本文根据汉字投影图的综合特征来识别车牌中汉字,不仅利用原有算法在横、纵坐标的投影特征,笔画像素多少等判别条件,还加入了倾斜投影特征,对称投影特征等判别依据,经过实验数据证明,与原算法相比,在识别准确率和速率上都有一定的提高。(3)分类器设计:将所有特征信息收集归类,构造一棵判定树,每一个节点代表一个判定的标准(即汉字特征),叶子节点所表示的汉字就是判定结果。根据上述方法原理,以VC++6.0为开发平台,进行程序设计,编制了包括车牌汉字识别模块的车牌自动识别软件。
张宏丹[9]2014年在《汽车牌照自动识别系统的设计与实现》文中研究表明本文主要研究的是汽车牌照自动识别系统,其作为信息化、智能化、数字化的综合交通管理系统在如今汽车普及的状况下显得非常重要。由于我国车牌的多样化,样式、颜色、规格不尽相同,本文主要针对车牌尺寸为440mm×140mm的规格,此尺寸牌照能占到日常生活中车牌的90%以上。基于数字图像处理、模式识别、计算机视觉等技术,以自己对车牌识别的认识和研究,在系统实现过程中,将整个框架确定为图像预处理阶段、车牌定位阶段、字符分割阶段和字符识别阶段,每个阶段的实现均从传统的理论入手,结合试验和经验添加新的算法和思路,在效率上得以提高。在图片预处理阶段,利用图像的灰度化减少了图像的冗余信息,使得占用很少的空间,运用图像的增强增加了原本图像不是很明显的脉络,给出了清晰的车辆信息。在车牌定位阶段,首先分析了车牌的特征信息,在这些特征信息和先验知识下找到车牌的连通区域,然后在此基础上分析纹理等信息,去掉伪车牌区域,最终找到车牌区域。在字符分割阶段,首先对车牌进行了水平垂直倾斜校正,然后进行水平方向投影去除车牌的边框以及铆钉等,再在垂直方向上投影,在投影区域内出现有规律的间隔,判断并分析这些间隔,最终以此来确定每个字符的左右边界,实现字符分割。最后是字符识别阶段,在这一阶段采用改进的模板匹配的相关算法对车牌分割出来的单个字符进行识别。整个系统实现过程中,在vs2008开发环境下,用C++语言完成了整个系统的开发。各个阶段联系紧密,在此基础上对汽车牌照自动识别系统各个模块进行设计。最后,完成系统集成和运行,并通过测试,系统识别率有很大提高。
齐林[10]2008年在《汽车牌照自动识别技术的研究》文中进行了进一步梳理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、安全管理的要求也同样提高,智能交通系统(ITS)已成为当前交通管理发展的重要方向,而汽车牌照识别(LPR)作为智能交通系统的一部分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法替代的重要地位,它的广泛应用必将有助于我国交通管理自动化的进程。本文应用图像处理、车牌定位、字符分割、神经网络识别等相关技术来解决汽车牌照识别问题。首先采用灰度化、灰度均衡、图像滤波等方法将图像进行预处理,很好地消除了图像的噪音,强化了纵向纹理区,提高了图像的质量;通过对车牌特征和定位技术的研究,运用基于水平扫描和垂直投影的车牌定位方法,能够准确地搜索并定位车牌区域;采用基于汽车牌照的先验知识、Canny变换以及区域增长法的字符分割算法,完成了对车牌字符的准确分割;最后对神经网络的构成以及常用的字符识别方法进行了讨论,并着重分析了BP神经网络的理论原理和在字符识别中的应用。
参考文献：
[1]. 汽车牌照自动识别技术研究[D]. 郜鹏. 西南交通大学. 2016
[2]. 数字图像处理技术应用于汽车牌照识别的研究[D]. 邢法玉. 中国海洋大学. 2008
[3]. 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
[4]. 汽车牌照自动定位技术研究[D]. 赵咏梅. 哈尔滨工程大学. 2005
[5]. 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
[6]. 基于数字图像处理的车牌识别系统研究[D]. 刘勇智. 东北石油大学. 2010
[7]. 汽车牌照自动识别系统的研究与开发[D]. 杜建波. 东北林业大学. 2006
[8]. 基于投影特征匹配的车牌汉字识别方法研究[D]. 王磊. 东北林业大学. 2008
[9]. 汽车牌照自动识别系统的设计与实现[D]. 张宏丹. 电子科技大学. 2014
[10]. 汽车牌照自动识别技术的研究[D]. 齐林. 西安电子科技大学. 2008
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; 数字图像处理论文; 图像分割论文; 图像预处理论文;