【正文】 北京理工大學2014屆本科生畢業(yè)設計（論文）一、原始依據(jù)（包括設計或論文的工作基礎、研究條件、應用環(huán)境、工作目的等。）工作基礎：了解C++的基本概念和語法，熟練使用Visual C++軟件。研究條件：依據(jù)BP神經(jīng)網(wǎng)絡的基本原理完成算法實現(xiàn)。應用環(huán)境：基于BP神經(jīng)網(wǎng)絡的圖像文件中的車牌號碼識別。工作目的：熟練掌握Visual C++應用程序的開發(fā)。 了解人工智能的基本概念以及神經(jīng)網(wǎng)絡的基本原理。 熟練掌握Visual C++中的圖片處理的基本方法。二、參考文獻[1]人工智能原理及其應用，王萬森，電子工業(yè)出版社，2007.[2]VC++深入詳解，孫鑫，電子工業(yè)出版社，2006.[3]人工神經(jīng)網(wǎng)絡原理, 馬銳，機械工業(yè)出版社，2010.[4]Visual C++數(shù)字圖像處理典型案例詳解，沈晶，機械工業(yè)出版社，2012.[5]Application of Image Processing to the Characterization of Nanostructures，Manuel F. M. Costa，Reviews on Advanced Materials Science,2004.三、設計（研究）內容和要求（包括設計或研究內容、主要指標與技術參數(shù)，并根據(jù)課題性質對學生提出具體要求。）掌握C++的基本概念和語法。了解神經(jīng)網(wǎng)絡的基本原理。完成Visual C++中對于圖像的預處理。完成基于樣本的神經(jīng)網(wǎng)絡的訓練以及圖像中車牌信息的識別，并對其性能進行統(tǒng)計和總結。指導教師（簽字）年 月 日審題小組組長（簽字）年 月 日天津大學仁愛學院本科生畢業(yè)設計（論文）開題報告課題名稱基于BP網(wǎng)絡的車牌識別系統(tǒng)的設計系 名信息工程系專 業(yè)自動化學生姓名魏章波指導教師扈書亮一、 課題來源及意義BP(Back Propagation)神經(jīng)網(wǎng)絡是1986年由Rumelhart和McClelland為首的科學家小組提出, 是一種按誤差逆?zhèn)鞑ニ惴ㄓ柧毜亩鄬忧梆伨W(wǎng)絡,是目前應用最廣泛的神經(jīng)網(wǎng)絡模型之一。BP網(wǎng)絡能學習和存貯大量的輸入輸出模式映射關系,而無需事前揭示描述這種映射關系的數(shù)學方程。它的學習規(guī)則是使用最速下降法,通過反向傳播來不斷調整網(wǎng)絡的權值和閾值,使網(wǎng)絡的誤差平方和最小。智能交通管理系統(tǒng)是21世紀道路交通管理的發(fā)展趨勢。高速公路的不斷發(fā)展和車輛管理體制的不斷完善，為以圖像識別為基礎的智能交通管理系統(tǒng)進入實際應用領域提供了契機?；贐P網(wǎng)絡的車牌識別系統(tǒng)正是在這種應用背景下研制出來的，它能夠自動、實時地識別車輛牌照，從而監(jiān)控車輛的收費、闖關、欠費以及各種舞弊現(xiàn)象。車牌識別的實質是對車牌上的數(shù)字、字母和漢字進行快識別并以字符的形式輸出識別結果，字符識別是整個車牌識別過程的關鍵所在。由于圖像獲取時的外界環(huán)境不同的影響，系統(tǒng)必須保證能夠在任何天氣情況下全天不間斷的正常工作。因此，對于研究基于BP網(wǎng)絡的車牌識別系統(tǒng)有重要的意義。二、 國內外發(fā)展現(xiàn)狀從上世紀90年代初，基于圖像處理的車牌識別技術的研究在歐美發(fā)達國家已經(jīng)興起。比如在美國、意大利、德國、以色列、新加坡等國家，都已經(jīng)有比較成熟的產品投入了應用，如以色列的HiTech公司的See/Car System系列產品，美國的（AUTOSCOF）[2003系統(tǒng)]，香港Asia Vision Technology公司的VECON產品，德國西門子公司的ARTEM7S系統(tǒng)，新加坡Optasia公司的VLPRS產品等，其中VECON和VLPRS產品主要適合于香港和新加坡的車牌，HiTech公司的See/Car System有多種變形產品來分別適應某一個國家的車牌，但因為我國車牌式樣的多樣性和顏色的多樣性以及包含漢字等特點，這些車牌識別系統(tǒng)并不適合我國國情。我國的條件與國外不同，不僅車牌的種類多，而且車牌不夠規(guī)范，分為很多種類型，并且車牌上還有漢字。按顏色分類，有藍底白字、黃底黑字、白底黑字和黑底白字之分，有些部隊用車車牌字符還分為了兩行，這些都決定了我國的車牌識別相對于國外較為困難。近幾年，我國也有很多科研單位和公司進行車牌識別方面的研究，也取得了一些成績。我國做的較好的產品有中科院自動化研究所汗土公司的“汗土眼”，天勤科技公司的車牌識別系統(tǒng)，背景龍人計算機系統(tǒng)有限公司的停車場收費系統(tǒng)。但對環(huán)境要求比較高，在全天候的條件下，都存在著識別精度不高的問題，識別時間比較長的缺點。因此車牌識別系統(tǒng)有很大的發(fā)展空間。三、研究目標熟練掌握Visual C++應用程序的開發(fā)。了解人工智能的基本概念以及神經(jīng)網(wǎng)絡的基本原理。熟練掌握Visual C++中的圖片處理的基本方法。四、研究內容圖像輸入灰度轉化邊緣檢測二值化幾何調整牌照剪切圖像去噪字符分割歸一化處理輸出結果字符識別神經(jīng)網(wǎng)絡設置圖像預處理車牌定位字符分割字符識別 圖1 車牌識別系統(tǒng)流程圖車牌識別系統(tǒng)主要包括圖像預處理、車牌定位、字符分割、字符識別四個步驟，總體流程圖如上圖所示。圖像預處理：該單元對拍攝的汽車圖片進行灰度化邊緣檢測等處理。在外界光照不均勻，光照強度不穩(wěn)定的情況下，通過攝像機采集到的車牌原始圖像會模糊不清，因此需要對其進行圖像增強的處理。車牌定位：對預處理過的汽車牌照圖片進行處理，把車牌部分進行定位，刪除無用區(qū)域，得到車牌圖片。從原圖像中提取出需要的部分舍棄不需要的部分，以便節(jié)省系統(tǒng)識別時間。字符分割：把車牌圖像中的每個字符從整個圖像中分割出來，使其成為單個字符。然后把字符歸一化為系統(tǒng)可以識別的規(guī)格大小，輸入到系統(tǒng)中以待識別，確保字符的完整性。字符識別：將需要識別的樣本輸入系統(tǒng)，選擇合適的模式識別的方法，輸入正確的字符。五、研究方法與手段掌握C++的基本概念和語法，熟練使用 Visual C++。依據(jù)BP神經(jīng)網(wǎng)絡的基本原理實現(xiàn)算法，完成Visual C++對于圖像的預處理及字符的識別和基于樣本的神經(jīng)網(wǎng)絡的訓練以及圖像中車牌信息的識別，并對其性能進行統(tǒng)計和總結，確定最終的識別誤差。應用程序平臺完全采用 Visual C++開發(fā)，整個系統(tǒng)運用了大量的 Visual C++編程技術，如圖像處理技術、動態(tài)鏈接庫技術、數(shù)據(jù)庫技術等，要有完備的程序以識別多組車牌。六、進度安排— 查找資料，通過書籍和視頻學習C++的基本概念和語法，練習使用 VC++。了解BP神經(jīng)網(wǎng)絡的基本原理及人工智能的基本概念。完成開題報告?！? 掌握Visual C++?！? 編寫程序，完成Visual C++中對于車牌圖像的預處理。— 完成車牌圖像中字符的識別，并對其性 能進行測試和總結，確定最終識別誤差?！? 撰寫論文，準備答辯。七、主要參考文獻[1]史忠職. 神經(jīng)網(wǎng)絡[M]. 高等教育出版社，.[2]++深入詳解[M]. 電子工業(yè)出版社，2006.[3]王萬森. 人工智能原理及其應用[M]. 電子工業(yè)出版社，2007.[4]董志鵬，侯艷書. Visual C++編程從基礎到應用[M]. 清華大學出版社，[5]沈晶. Visual C++數(shù)字圖像處理典型案例詳解[M]. 機械工業(yè)出版社，2012.[6]張世輝，[J]. 燕山大學學報，2003,04(3)8085.[7]曾志軍，孫國強. 基于改進的BP 網(wǎng)絡數(shù)字字符識別[J].上海理工大學學報，2008, 32(1)5153.[8]王旭,王宏,王文輝. 人工神經(jīng)元網(wǎng)絡原理與應用[M]. 第二版. 東北大學出版社, 2007年. [9]歐陽俊，[J].光學與光電技術，2012，10（5）6771.[10]張玲，張鳴明，[J].視頻應用與工程，2008,32（S1）140142.[11]Application of Image Processing to the Characterization of Nanostructures，Manuel F. M. Costa，Reviews on Advanced Materials Science.[12]Bartlett P L. Ada Boost is Consistent [M]. Department of statics and puter science of California.選題是否合適： 是□ 否□課題能否實現(xiàn)： 能□ 不能□指導教師（簽字）年 月 日選題是否合適： 是□ 否□課題能否實現(xiàn)： 能□ 不能□審題小組組長（簽字）年 月 日摘 要基于BP網(wǎng)絡的車牌識別是一門對車牌字符識別的技術，它的產生是為了完善智能交通系統(tǒng)，使得交通系統(tǒng)更具有信息時代的意義。本文利用BP神經(jīng)網(wǎng)絡與圖像處理技術相結合的方法，將BP神經(jīng)網(wǎng)絡應用到車牌字符識別中。針對車牌圖像的處理的過程包括：車牌圖像去噪、車牌圖像灰度化、車牌圖像二值化、車牌字符圖像分割、車牌字符圖像歸一化、車牌字符圖像特征值提取。前面五個過程是為了保證字符信息能更好的體現(xiàn)出來，有利于將特征值提取。BP神經(jīng)網(wǎng)絡通過對組件的車牌字符庫的學習后才會具有識別功能，然后將車牌字符圖像提取到的特征值送入到BP神經(jīng)網(wǎng)絡中就能識別出來。通過實驗證明了通過上述的過程是能夠將車牌字符識別出來，在這個識別過程中對于BP網(wǎng)絡訓練的收斂性是十分重要的，證明了該方法的有效性。關鍵字：字符識別；BP神經(jīng)網(wǎng)絡；特征值提??；車牌識別ABSTRACTBP network based license plate character recognition is one pair of license plate character recognition technology, which is produced in order to improve intelligent transportation system, making the transport system more meaningful information age.In this paper, BP neural network and image processing technology, a bination of methods will be applied to the license plate BP neural network character recognition. For the license plate image processing process includes: license plate image denoising, gray plate image, license plate image binarization, license plate character segmentation, license plate character image normallization, license plate character image feature extraction. During the previous five character information in order to ensure better reflected the benefit is worth the feature extraction,. Through the formation of BP neural network library for license plate character recognition function after learning will have, and then extract the license plate character image characteristic value fed to BP neural network can be identified.The experimental results show the process by the above license plate character can be identified, in this process of identifying convergence BP network training is very important and effectively identifythe plate proved that the method is effective.Key words: character recognition。 BP neural network。 feature extraction。 license plates recognition目　　錄第一章　　緒論 1　課題研究背景 1　研究現(xiàn)狀 2　本文研究內容 3第二章　　字符識別方法 4　圖像預處理 4　車牌定位 6　字符分割 9第三章　　BP神經(jīng)網(wǎng)絡 13　人工神經(jīng)網(wǎng)絡 13　BP網(wǎng)絡 16第四章　　基于BP網(wǎng)絡的車牌識別系統(tǒng) 22　字符特征提取 22　系統(tǒng)識別模塊 22　程序運行 23第五章　　總結與展望 27　總結 27　展望 27參考文獻 28外文資料中文譯文致謝1北京理工大學2014屆本科生畢業(yè)設計（論文）第一章　　緒論　課題研究背景