基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的車牌識(shí)別研究.pdf

1、車牌識(shí)別涉及數(shù)字圖像處理,模式識(shí)別,人工智能和計(jì)算機(jī)視覺等技術(shù),是實(shí)現(xiàn)交通智能化的關(guān)鍵環(huán)節(jié),在智能交通系統(tǒng)領(lǐng)域有著重要的實(shí)用價(jià)值。本文在分析幾種常用的車牌識(shí)別方法基礎(chǔ)上,結(jié)合對(duì)徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(RBFNN)及其算法的研究,設(shè)計(jì)了新的車牌識(shí)別系統(tǒng)。主要工作如下:
　　首先研究了基于灰度圖像的車牌定位方法和基于HIS空間進(jìn)行彩色車牌定位方法。針對(duì)其耗時(shí)長(zhǎng),易受光照影響,定位率低等缺點(diǎn),結(jié)合車牌的先驗(yàn)知識(shí),采用掃描法統(tǒng)計(jì)車牌的藍(lán)白像素

2、,分割出合理的車牌區(qū)域,從而實(shí)現(xiàn)了車牌的定位,提高了定位速度和定位準(zhǔn)確度,且不易受光照影響。
　　其次研究了車牌字符的分割。對(duì)車牌區(qū)域進(jìn)行了灰度化處理,運(yùn)用Canny算子實(shí)現(xiàn)了邊緣檢測(cè)。利用Radon變換法對(duì)車牌進(jìn)行了傾斜矯正,同時(shí)根據(jù)OTSU法確定閾值進(jìn)行二值化;運(yùn)用數(shù)學(xué)形態(tài)學(xué)處理去掉車牌邊框和鉚釘,采用投影法最終實(shí)現(xiàn)了車牌字符的分割,并進(jìn)行了歸一化處理。
　　然后研究了車牌字符的識(shí)別方法。通過反向傳播神經(jīng)網(wǎng)絡(luò)(BPNN)