基于圖像處理和神經(jīng)網(wǎng)絡(luò)的車牌識(shí)別系統(tǒng)研究.pdf

1、車牌識(shí)別系統(tǒng)（LPR）是智能交通系統(tǒng)（ITS）的核心組成部分，在現(xiàn)代交通收費(fèi)管理系統(tǒng)中發(fā)揮著舉足輕重的作用。近年來，對(duì)車牌識(shí)別系統(tǒng)的研究已經(jīng)成為一個(gè)熱點(diǎn)問題。 論文首先分析車牌識(shí)別系統(tǒng)技術(shù)的研究現(xiàn)狀，對(duì)系統(tǒng)中的圖像預(yù)處理、車牌定位、字符分割和識(shí)別四大重點(diǎn)模塊進(jìn)行全面論述；對(duì)字符識(shí)別技術(shù)進(jìn)行深入研究，設(shè)計(jì)并實(shí)現(xiàn)了車牌識(shí)別系統(tǒng)。為了提高系統(tǒng)的識(shí)別率和魯棒性，仔細(xì)分析四個(gè)模塊設(shè)計(jì)中的重點(diǎn)和難點(diǎn)，并提出解決方案。 在預(yù)處理模塊設(shè)

2、計(jì)中，本文結(jié)合多種圖像處理技術(shù)，采用模糊c均值二值化、形態(tài)學(xué)濾波和Sobel算子邊緣檢測(cè)等預(yù)處理算法。比較研究了基于特征統(tǒng)計(jì)、改進(jìn)Sobel算子邊緣檢測(cè)、粒子圖像相關(guān)法的車牌定位方法，并通過實(shí)驗(yàn)證明粒子圖像相關(guān)法是設(shè)計(jì)本系統(tǒng)的最佳優(yōu)化方案。在車牌的字符分割模塊中，提出一種基于多尺度模板匹配的分割算法，利用尺度變換的方法找到車牌區(qū)域全局最優(yōu)模板匹配信息，結(jié)合Hough變換達(dá)到更好的分割效果；為有效剔除字符圖像中的噪聲區(qū)域，結(jié)合預(yù)處理階段最