基于小波變換和神經(jīng)網(wǎng)絡的車牌識別算法研究.pdf

1、車牌識別(License Plate Recognition，LPR)是智能交通系統(tǒng)(Intelligent Transport System，ITS)的一個重要組成部分，該系統(tǒng)綜合了計算機視覺技術和模式識別技術，在橋梁路口自動收費、停車場無人管理和路間車輛通信，對肇事車輛、被盜車輛、犯罪車輛進行辨別和攔截等起著重要的作用。 本文研究的主要內(nèi)容如下： 圖像預處理：通過分析傳統(tǒng)圖像預處理的方法，如直方圖均衡、高通濾波，發(fā)現(xiàn)

2、這些圖像增強方法都存在著不足，如噪音放大，有時可能引入新的噪聲結構等。針對這些方法的不足，本文采用了基于小波變換的數(shù)字圖像增強方法，這種算法利用小波變換獲得圖像多分辨率梯度信息，通過修改圖像在不同分辨率尺度下的梯度信息系數(shù)，提高了圖像的對比度。 車牌定位：本文針對不同背景和光照條件下的車輛圖像，提出一種基于改進Sobel算子的車牌定位算法，首先對已經(jīng)通過預處理的車牌圖像使用改進的Sobel算子進行運算，然后使用迭代求圖像最佳分割

3、閾值的算法二值化車牌圖像，最后結合水平投影和垂直投影算法對候選區(qū)域分析鎖定車牌位置。 字符分割：針對定位后車牌區(qū)域的噪聲影響以及一些不可避免的定位誤差問題，本文采用了一種基于小波去噪和垂直投影相結合的字符分割算法，首先利用小波去除噪聲，然后運用垂直投影技術進行字符分割，得到了單個數(shù)字、字母和漢字圖像，最后進行歸一化處理。 字符識別：采用改進的BP神經(jīng)網(wǎng)絡模式識別方法，以車牌字符作為識別對象，研究在干擾情況下的車牌識別問題