版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、車(chē)牌識(shí)別系統(tǒng)在現(xiàn)代交通管理控制領(lǐng)域的地位越來(lái)越重要,高度自動(dòng)化的車(chē)牌識(shí)別軟件,輔以必要的通信及存儲(chǔ)服務(wù),不僅可以極大地減輕交管部門(mén)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(chē)牌識(shí)別,具有背景復(fù)雜度較高、光照條件變化較大和車(chē)牌尺寸不固定等問(wèn)題。車(chē)牌識(shí)別系統(tǒng)的關(guān)鍵技術(shù)可分為車(chē)牌定位、字符分割和字符識(shí)別三個(gè)模塊。針對(duì)這三個(gè)模塊在處理日常背景下的車(chē)牌識(shí)別任務(wù)中存在的問(wèn)題,本論文開(kāi)展了以下研究:
在車(chē)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(chē)牌的彩色特征,解決了普通邊緣算法中無(wú)效邊緣過(guò)多的問(wèn)題,提高了車(chē)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(jù)。最后,提出了應(yīng)用于形態(tài)學(xué)分析的形態(tài)規(guī)則,解決了候選區(qū)域過(guò)濾的問(wèn)題,降低了誤檢率。
在字符分割部分,首先提出了用于預(yù)處理階段的彩色抑制的灰度轉(zhuǎn)換算法,解決了藍(lán)白車(chē)牌對(duì)比度低的問(wèn)題。之后,應(yīng)用了改進(jìn)的行列重定位算法,解決了車(chē)牌邊框與車(chē)牌字符粘連的問(wèn)題,
3、并去除了黑邊。接著,詳細(xì)描述了結(jié)合連通分量分析和投影分析的車(chē)牌分割算法,并介紹了基于字符數(shù)量的字符查找和恢復(fù)算法,解決了車(chē)牌分割中字符缺失的問(wèn)題。
在字符識(shí)別部分,為了解決傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)直接應(yīng)用于中國(guó)車(chē)牌字符識(shí)別存在的結(jié)構(gòu)過(guò)于復(fù)雜的問(wèn)題,提出了簡(jiǎn)化卷積神經(jīng)網(wǎng)絡(luò)和遞歸卷積神經(jīng)網(wǎng)絡(luò)兩種新型結(jié)構(gòu),給出了相關(guān)的網(wǎng)絡(luò)訓(xùn)練算法。最后的車(chē)牌字符識(shí)別實(shí)驗(yàn)證明,這兩個(gè)新結(jié)構(gòu)可以更加有效地識(shí)別車(chē)牌字符。
實(shí)驗(yàn)證明,本文設(shè)計(jì)的車(chē)牌識(shí)別系
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于卷積神經(jīng)網(wǎng)絡(luò)的車(chē)型識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的圖片數(shù)字識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
- 基于卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的圖片數(shù)字識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的監(jiān)控視頻車(chē)型識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的交通物體識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的車(chē)牌識(shí)別算法研究與實(shí)現(xiàn).pdf
- 基于BP神經(jīng)網(wǎng)絡(luò)的車(chē)輛車(chē)牌識(shí)別系統(tǒng)的研究與實(shí)現(xiàn).pdf
- 基于神經(jīng)網(wǎng)絡(luò)的車(chē)牌識(shí)別系統(tǒng)的研究與應(yīng)用.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的車(chē)牌識(shí)別系統(tǒng)研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的車(chē)牌字符識(shí)別系統(tǒng)的研究和實(shí)現(xiàn).pdf
- 基于BP神經(jīng)網(wǎng)絡(luò)的車(chē)牌識(shí)別系統(tǒng)研究.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的車(chē)牌識(shí)別系統(tǒng)的研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的化驗(yàn)單圖像文字識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于遺傳神經(jīng)網(wǎng)絡(luò)的車(chē)牌識(shí)別系統(tǒng)的研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的自然場(chǎng)景文本識(shí)別系統(tǒng).pdf
- 基于神經(jīng)網(wǎng)絡(luò)的實(shí)時(shí)車(chē)牌定位與識(shí)別系統(tǒng)研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的盲車(chē)牌識(shí)別算法研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的聲紋識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于DSP和新神經(jīng)網(wǎng)絡(luò)模型的車(chē)牌識(shí)別系統(tǒng).pdf
評(píng)論
0/150
提交評(píng)論