【正文】 圖像去噪、車牌圖像灰度化、車牌圖像二值化等。BP網(wǎng)絡(luò)是一個需要預(yù)先學(xué)習(xí)的網(wǎng)絡(luò)，所以需要建立字符庫?！”疚难芯績?nèi)容本文主要是針對定位后的車牌字符圖像進行預(yù)處理再進行分割并且識別，在這個過程中主要是要實現(xiàn)利用BP網(wǎng)絡(luò)進行車牌字符識別。關(guān)于車牌識別的研究，國內(nèi)外學(xué)者已經(jīng)做了大量的工作，但仍然存在一些問題，比如車牌圖像的傾斜、車牌自身的磨損、光線的干擾都會影響到定位的精度。我國較成熟的產(chǎn)品有中科院自動化研究所漢王公司的“漢王眼”，深圳市科安信實業(yè)有限公司以及中國信息產(chǎn)業(yè)部下屬的中智交通電子有限公司等。直至今日，國外對車牌檢測的研究已經(jīng)取得了一些令人矚目的成就，如：Yuntao Cui提出了一種車牌識別系統(tǒng)，在車牌定位以后，利用馬爾科夫場對車牌特征進行提取和二值化，對樣本的識別達(dá)到了較高的識別率?！⊙芯楷F(xiàn)狀目前，國內(nèi)外關(guān)于車牌識別的研究已存在很多，并且有一部分已經(jīng)投入使用，并且在實際使用的過程中展現(xiàn)了這些產(chǎn)品的優(yōu)勢。如今，隨著計算機技術(shù)、通信技術(shù)和計算機網(wǎng)絡(luò)技術(shù)的發(fā)展，自動化的信息處理能力和水平不斷提高，人們正在逐步進入信息時代。因而從事車牌識別系統(tǒng)的研究具有極其重要的顯示意義和巨大的經(jīng)濟價值。 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(nèi)容 3第二章　　字符識別方法 4　圖像預(yù)處理 4　車牌定位 6　字符分割 9第三章　　BP神經(jīng)網(wǎng)絡(luò) 13　人工神經(jīng)網(wǎng)絡(luò) 13　BP網(wǎng)絡(luò) 16第四章　　基于BP網(wǎng)絡(luò)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(jié)與展望 27　總結(jié) 27　展望 27參考文獻(xiàn) 28外文資料中文譯文致謝1北京理工大學(xué)2014屆本科生畢業(yè)設(shè)計（論文）第一章　　緒論　課題研究背景 近幾年來，隨著車輛在普通民眾生活中的普及，城市交通的壓力越來越成為影響人們方便出行的一大障礙，同時越來越重的城市交通壓力也使得原有的交通管理系統(tǒng)不再滿足需求，于是人們利用各類先進的科學(xué)技術(shù)相繼研制出各類交通道路、車輛的管理系統(tǒng)，逐步發(fā)展到如今較為全面的，包括交通管理多個方面的智能交通系統(tǒng)（Intelligent Transportation System，ITS）。通過實驗證明了通過上述的過程是能夠?qū)④嚺谱址R別出來，在這個識別過程中對于BP網(wǎng)絡(luò)訓(xùn)練的收斂性是十分重要的，證明了該方法的有效性。本文利用BP神經(jīng)網(wǎng)絡(luò)與圖像處理技術(shù)相結(jié)合的方法，將BP神經(jīng)網(wǎng)絡(luò)應(yīng)用到車牌字符識別中?！? 編寫程序，完成Visual C++中對于車牌圖像的預(yù)處理。六、進度安排— 查找資料，通過書籍和視頻學(xué)習(xí)C++的基本概念和語法，練習(xí)使用 VC++。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。車牌定位：對預(yù)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。熟練掌握Visual C++中的圖片處理的基本方法。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。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。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。智能交通管理系統(tǒng)是21世紀(jì)道路交通管理的發(fā)展趨勢。完成基于樣本的神經(jīng)網(wǎng)絡(luò)的訓(xùn)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(jié)。二、參考文獻(xiàn)[1]人工智能原理及其應(yīng)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(luò)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(shè)計（研究）內(nèi)容和要求（包括設(shè)計或研究內(nèi)容、主要指標(biāo)與技術(shù)參數(shù)，并根據(jù)課題性質(zhì)對學(xué)生提出具體要求。應(yīng)用環(huán)境：基于BP神經(jīng)網(wǎng)絡(luò)的圖像文件中的車牌號碼識別。北京理工大學(xué)2014屆本科生畢業(yè)設(shè)計（論文）一、原始依據(jù)（包括設(shè)計或論文的工作基礎(chǔ)、研究條件、應(yīng)用環(huán)境、工作目的等。工作目的：熟練掌握Visual C++應(yīng)用程序的開發(fā)。）掌握C++的基本概念和語法。指導(dǎo)教師（簽字）年 月 日審題小組組長（簽字）年 月 日天津大學(xué)仁愛學(xué)院本科生畢業(yè)設(shè)計（論文）開題報告課題名稱基于BP網(wǎng)絡(luò)的車牌識別系統(tǒng)的設(shè)計系 名信息工程系專 業(yè)自動化學(xué)生姓名魏章波指導(dǎo)教師扈書亮一、 課題來源及意義BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)是1986年由Rumelhart和McClelland為首的科學(xué)家小組提出, 是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò),是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。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(chǔ)的智能交通管理系統(tǒng)進入實際應(yīng)用領(lǐng)域提供了契機。因此，對于研究基于BP網(wǎng)絡(luò)的車牌識別系統(tǒng)有重要的意義。按顏色分類，有藍(lán)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。因此車牌識別系統(tǒng)有很大的發(fā)展空間。四、研究內(nèi)容圖像輸入灰度轉(zhuǎn)化邊緣檢測二值化幾何調(diào)整牌照剪切圖像去噪字符分割歸一化處理輸出結(jié)果字符識別神經(jīng)網(wǎng)絡(luò)設(shè)置圖像預(yù)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(yù)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。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。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++。了解BP神經(jīng)網(wǎng)絡(luò)的基本原理及人工智能的基本概念?！? 完成車牌圖像中字符的識別，并對其性 能進行測試和總結(jié)，確定最終識別誤差。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。關(guān)鍵字：字符識別；BP神經(jīng)網(wǎng)絡(luò)；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。而在整個智能交通系統(tǒng)中，車牌識別（License Plates Recognition,LPR）更是其中的一項關(guān)鍵所在。在現(xiàn)代，神經(jīng)網(wǎng)絡(luò)算法得到廣泛應(yīng)用，這種算法是根據(jù)生物神經(jīng)網(wǎng)絡(luò)而建立起來的模型，能較好的實現(xiàn)人類存儲知識和處理信息的技能，使得系統(tǒng)可以模擬人類思維。在此情況下，作為信息來源的自動檢測、圖像識別技術(shù)越來越受到人們的重視。國外在這方面的研究工作開展較早。Eun Ryung等利用圖像中的顏色分量，對車輛進行定位識別，其中提到了三種方法：①以Hough變換為基礎(chǔ)的邊緣檢測定位識別；②以灰度值變換為基礎(chǔ)的識別算法；③以HLS彩色模式為基礎(chǔ)的車牌識別系統(tǒng)，%、85%、%。香港的亞洲視覺科技有限公司研發(fā)的慧光車牌號碼自動識別系統(tǒng)，能夠自動偵測、識別并驗證正在行駛或停泊中的車輛的牌照號碼，并能辨認(rèn)含有中、英及韓文的車牌。車牌字符識別是在車牌準(zhǔn)確定位的基礎(chǔ)上，對車牌使得漢字、字母、數(shù)字進行有效確認(rèn)的過程。對于車牌圖像首先要進行預(yù)處理，預(yù)處理的部分就包括車牌圖像去噪，車牌圖像灰度化和車牌圖像二值化。這個庫就是要把車牌字符一般性特征給體現(xiàn)出來，把字符庫的特征值送人到BP網(wǎng)絡(luò)進行學(xué)習(xí)得到一個具有識別功能的BP網(wǎng)絡(luò)?！≤嚺埔?guī)律要對車牌圖像處理就需要現(xiàn)歸納統(tǒng)計我國的車牌特點和規(guī)律。我國的小型民用車車牌一共是七位（除去分隔符），前面兩位是地區(qū)信息，后面五位是號碼，并采用藍(lán)底白字的車牌，輪廓尺寸為440mm140mm,寬和高近似比例為3:1。由于256級灰度比較較簡單，若是彩色圖像，其顏色種類較多，不利于圖像處理，因此一般都是將彩色圖像轉(zhuǎn)化為灰度圖進行處理。邊緣的檢測常借助空域微分算子進行，通過微分模板與圖像卷積完成。 由于車牌識別系統(tǒng)攝像頭安裝位置固定以及機動車車牌的固有屬性，可以發(fā)現(xiàn)機動車車牌圖像都處在水平的矩形區(qū)域，在圖像中位置較為固定，車牌中字符都是按水平方向排列，所以經(jīng)過適當(dāng)?shù)膱D形變換便可以清晰地呈現(xiàn)出車牌的邊緣。所以我們要對照片進行車牌定位，然后把車牌部分分割出來。這種方法基本上是利用數(shù)學(xué)形態(tài)學(xué)進行圖像處理，尋找到一個合適結(jié)構(gòu)元素來探測一幅圖像，確定這個元素是否能夠合適的放置在這幅圖像內(nèi)部，并檢驗這種填方元素的方法是否合理有效。（3）基于水平灰度變化的方法?？梢赃M行邊緣檢測的算法有多種，如Roberts邊緣算子、Sobel算子和拉普拉斯邊緣檢測都可以完成邊緣檢測。在本系統(tǒng)中，用水泡方向的差分算子對汽車圖像求梯度。通過求牌照區(qū)域的算法可以看出，會找到牌照大致可能在哪行，所以通過定牌照左右邊界算法得到分割后的車牌。當(dāng)從右向左照時，會左傾且左面比右面更傾斜，如圖29所示?！《祷捎诘玫降膱D像為灰度圖像，而在車牌識別系統(tǒng)中，要求處理的速度高、成本低、信息量大，采用二值圖像進行處理，能大大地提高處理效率。在實際的車牌處理系統(tǒng)中，進行圖像二值變換的關(guān)鍵是要確定合適的閾值，使得字符與背景能夠分割開來，二值變換的結(jié)果圖像必須要具備良好的保形性，不丟掉有用的形狀信息，不會產(chǎn)生額外的空缺等等?！D像去噪車牌圖像去噪目的是為了改善車牌圖像的質(zhì)量，減少圖片上的噪聲干擾。去噪后的圖像如圖212所示。采用一個目標(biāo)函數(shù)搜索合并字符內(nèi)的各個斷裂點是一種有效的方法?！?，記下位置a；② “while(project[i]=t) i++。所以讓t=t+2，結(jié)果如圖217和圖218所示。歸一化處理主要包括位置歸一化和大小歸一化，甚至筆劃（粗細(xì)）歸一化。骨架是二維二值目標(biāo)的重要描述，它指圖像中央的骨骼部分，是描述圖像幾何及拓?fù)湫再|(zhì)的重要特征之一。車牌圖像進行預(yù)處理后，細(xì)化處理是關(guān)系到后面能否正確提取字符特征值的關(guān)鍵，本文使用Rosenfeld骨架細(xì)化的方法，細(xì)化處理后可以得到圖像中字符的基本骨架，不會破壞原來的連通性?！∪斯ど窠?jīng)元神經(jīng)元由三部分組成：樹突、細(xì)胞體、軸突。形象的說，神經(jīng)網(wǎng)絡(luò)