復雜環(huán)境下車牌識別系統(tǒng)中關(guān)鍵技術(shù)的研究與實現(xiàn).pdf

1、21世紀是公路交通智能化的世紀，智能交通系統(tǒng)作為一種實時高效的綜合運輸和管理系統(tǒng)，在城市交通智能調(diào)度系統(tǒng)、高速公路智能調(diào)度系統(tǒng)、機動車自動控制系統(tǒng)中得到廣泛應用。車牌識別系統(tǒng)作為智能交通系統(tǒng)中的重要組成部分，在現(xiàn)代交通的治理和控制中起著舉足輕重的作用，這使得對車牌識別技術(shù)的研究成為當下的熱點問題。車牌識別的過程主要分為圖像的預處理、車牌定位、字符分割和字符識別幾個階段，本文對圖像的預處理、車牌定位以及字符識別的關(guān)鍵技術(shù)進行了深入細致的研

2、究,主要的研究工作如下：
　?。?）在車牌圖像預處理階段，研究了圖像的灰度化、圖像增強、圖像濾波、圖像的邊緣檢測和二值化的技術(shù)，通過這一系列的技術(shù)處理來改善圖像質(zhì)量，去除圖像中的干擾因素，突出有用的車牌信息，從而便于后續(xù)的識別操作。
　　（2）在車牌定位階段，通過改進有色點對搜索中藍白顏色點的定義，利用HSV和RGB雙重顏色模型對藍白像素點建立定性描述模型，基于該模型提出一種結(jié)合有色點對搜索和區(qū)域統(tǒng)計特征的車牌定位算法。該算

3、法首先通過改進的有色點對搜索和形態(tài)學處理得到候選連通區(qū)域；然后利用角點和車牌紋理特征對候選連通域進行迭代搜索匹配，裁剪出車牌的粗略區(qū)域；最后利用垂直/水平投影、霍夫直線檢測以及顏色提取方法實現(xiàn)車牌精確定位。實驗結(jié)果表明，該方法對不同光照、背景、顏色鮮艷程度下的車牌圖像具有很高的識別率，表現(xiàn)出較強的魯棒性。
　?。?）在字符識別階段，采用粗網(wǎng)格化的統(tǒng)計和結(jié)構(gòu)特征相結(jié)合的方法對歸一化后的字符進行特征提取，利用基于徑向基核函數(shù)的SVM對

4、字符進行識別，并構(gòu)造出漢字、字母和數(shù)字字母識別模型。為了提高SVM識別字符的效率，采用改進的遺傳算法對SVM參數(shù)進行優(yōu)化。首先將混沌運動融合到選擇操作中，然后引入自適應交叉概率并提出基于個體相似性的異物種交叉策略，最后以自適應變異概率代替固定變異概率，從而增強遺傳算法的搜索效率，避免算法陷入早熟。實驗結(jié)果表明，與網(wǎng)格法、傳統(tǒng)的遺傳算法的參數(shù)優(yōu)化方法相比，基于改進遺傳算法的SVM模型對字符的識別率更高，相對基于網(wǎng)格法的SVM模型訓練速度更