不停車收費(fèi)系統(tǒng)中的車牌識(shí)別技術(shù)研究.pdf

1、ETC(電子不停車收費(fèi)系統(tǒng))是ITS(智能交通系統(tǒng))領(lǐng)域中的一個(gè)重要的分支，由于它涉及到交通建設(shè)投資的回收，又是緩解收費(fèi)站交通堵塞的有效手段，因此許多國家都把ETC作為ITS領(lǐng)域最先投入應(yīng)用的系統(tǒng)來開發(fā)。本文利用數(shù)字圖像處理技術(shù)來完善不停車收費(fèi)系統(tǒng)的功能，針對不停車收費(fèi)系統(tǒng)中的圖像處理，模式識(shí)別關(guān)鍵技術(shù)進(jìn)行了較深入研究。 車牌識(shí)別是本文研究的主要內(nèi)容。其中包括圖像預(yù)處理，車牌定位，字符分割，字符識(shí)別四個(gè)部分。常用的定位算法是對全

2、圖進(jìn)行處理，而在實(shí)時(shí)監(jiān)控系統(tǒng)中這些算法根本不能滿足實(shí)時(shí)的要求，本文所提出的定位算法能夠大大減少運(yùn)算量。通常的字符分割算法如投影法和聚類分析法易受字符粘連的干擾，本文所提出的分割方法很好的解決了這一問題。針對車牌字符圖像的變形、非均勻光照、強(qiáng)噪聲干擾等條件，本文提出了一種基于推廣的一類支持向量機(jī)的字符識(shí)別方法，該方法具有抗干擾能力強(qiáng)，識(shí)別率高等諸多優(yōu)點(diǎn)。 本文主要內(nèi)容如下：1.圖像預(yù)處理部分。對本文采用的圖像灰度轉(zhuǎn)換、圖像差分和圖

3、像二值化以及Hough變換算法做了詳細(xì)介紹。 2.車牌定位部分。首先采用基于行掃描的車牌粗定位方案粗定位車牌；提出一種基于先驗(yàn)知識(shí)和模板匹配的方法來精確定位車牌。 3.字符分割部分。首先提出基于行掃描跳躍點(diǎn)數(shù)目變化率的車牌傾斜檢測方法。然后采用行掃描法確定字符串上下邊界；最后根據(jù)字符串的結(jié)構(gòu)和尺寸特征，設(shè)計(jì)出車牌字符串模板，并結(jié)合最大類間方差分類法，提出基于模板匹配的最大類間方差車牌字符分割算法來分割字符。 4.