車(chē)牌字符識(shí)別技術(shù)的研究和實(shí)現(xiàn).pdf

1、隨著經(jīng)濟(jì)的快速發(fā)展，人們收入水平的穩(wěn)步提高，私人汽車(chē)成為了人們適應(yīng)快節(jié)奏出行的首要選擇。但是我國(guó)的交通基礎(chǔ)設(shè)施建設(shè)并沒(méi)有跟上汽車(chē)增長(zhǎng)的步伐，導(dǎo)致了交通擁堵、環(huán)境污染、停車(chē)難等一系列社會(huì)問(wèn)題，嚴(yán)重制約了社會(huì)經(jīng)濟(jì)的發(fā)展，因此，越來(lái)越多的學(xué)者加入到交通問(wèn)題研究的隊(duì)伍當(dāng)中。其中，智能交通技術(shù)是保持交通可持續(xù)發(fā)展的重要手段，車(chē)牌識(shí)別技術(shù)是智能交通系統(tǒng)的重要研究課題之一，而車(chē)牌字符識(shí)別又是車(chē)牌識(shí)別系統(tǒng)的一個(gè)重要支撐點(diǎn)。
　　本文在總結(jié)前人研究

2、經(jīng)驗(yàn)和工作成果的基礎(chǔ)上，對(duì)幾個(gè)車(chē)牌字符識(shí)別的關(guān)鍵技術(shù)提出新的改進(jìn)算法。首先，通過(guò)利用改進(jìn)的基于頂帽變換的圖像增強(qiáng)算法進(jìn)行圖像預(yù)處理，經(jīng)過(guò)亮度均衡后的車(chē)牌圖像能夠消除閾值化過(guò)程中由照度變化不均勻而產(chǎn)生的噪聲，有效解決了車(chē)牌圖像背景的噪聲問(wèn)題，為后續(xù)的車(chē)牌字符識(shí)別奠定基礎(chǔ);其次，通過(guò)分析常用的模板匹配函數(shù)，提出了新的基于全局信息的車(chē)牌匹配函數(shù)——全局重合度函數(shù)，實(shí)驗(yàn)表明，全局重合度函數(shù)能有效地提高車(chē)牌字符的識(shí)別效率，優(yōu)于傳統(tǒng)的模板匹配函數(shù);

3、再次，針對(duì)車(chē)牌字符圖像的特點(diǎn)，分別對(duì)字符特征提取算法和特征分類(lèi)器進(jìn)行了優(yōu)化，實(shí)驗(yàn)結(jié)果表明，優(yōu)化后的車(chē)牌識(shí)別算法的識(shí)別率達(dá)到了96.54％，平均識(shí)別時(shí)間為0.384s;最后，本文在傳統(tǒng)LeNet-5卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的基礎(chǔ)上提出了一種簡(jiǎn)化的多通道網(wǎng)絡(luò)結(jié)構(gòu)(Multi-Simplified Convolution Neural Network，M-SCNN)，利用M-SCNN網(wǎng)絡(luò)結(jié)構(gòu)能大大縮短字符識(shí)別的時(shí)間，平均識(shí)別時(shí)間為0.003s，同時(shí)識(shí)