基于卷積神經網絡的車牌智能識別系統(tǒng)的設計與實現(xiàn).pdf

1、車牌識別系統(tǒng)在現(xiàn)代交通管理控制領域的地位越來越重要，高度自動化的車牌識別軟件，輔以必要的通信及存儲服務，不僅可以極大地減輕交管部門的人力支出，還能減少工作失誤，提升管理效率。日常背景下的車牌識別，具有背景復雜度較高、光照條件變化較大和車牌尺寸不固定等問題。車牌識別系統(tǒng)的關鍵技術可分為車牌定位、字符分割和字符識別三個模塊。針對這三個模塊在處理日常背景下的車牌識別任務中存在的問題，本論文開展了以下研究：
　　在車牌定位部分，為了解決基

2、于普通灰度的邊緣算法的不足，提出了彩色邊緣算法，利用了車牌的彩色特征，解決了普通邊緣算法中無效邊緣過多的問題，提高了車牌圖像的信噪比。隨后，闡述了彩色邊緣算法中參數(shù)的意義和選擇依據。最后，提出了應用于形態(tài)學分析的形態(tài)規(guī)則，解決了候選區(qū)域過濾的問題，降低了誤檢率。
　　在字符分割部分，首先提出了用于預處理階段的彩色抑制的灰度轉換算法，解決了藍白車牌對比度低的問題。之后，應用了改進的行列重定位算法，解決了車牌邊框與車牌字符粘連的問題，

3、并去除了黑邊。接著，詳細描述了結合連通分量分析和投影分析的車牌分割算法，并介紹了基于字符數(shù)量的字符查找和恢復算法，解決了車牌分割中字符缺失的問題。
　　在字符識別部分，為了解決傳統(tǒng)卷積神經網絡直接應用于中國車牌字符識別存在的結構過于復雜的問題，提出了簡化卷積神經網絡和遞歸卷積神經網絡兩種新型結構，給出了相關的網絡訓練算法。最后的車牌字符識別實驗證明，這兩個新結構可以更加有效地識別車牌字符。
　　實驗證明，本文設計的車牌識別系