【正文】 提到的系統(tǒng)也可被用于車輛進(jìn)出控制系統(tǒng)。LPR 技術(shù)隸屬于于智能交通系統(tǒng)，也是車輛自動(dòng)識(shí)別技術(shù) (automatic vehicle identification，AVL)的重要組成部分，它在現(xiàn)代交通監(jiān)管及管理中發(fā)揮著越來(lái)越大的作用。 選題的背景和意義鑒于交通管理的現(xiàn)狀，智能交通系統(tǒng) (Intelligent Transportation Systems，ITSs) 的研究正在如火如荼的開展，目前的研究表明：ITSs 可以幫助提高交通管理的機(jī)動(dòng)性和交通安全，通過(guò)使用這些先進(jìn)的技術(shù)，也提高了交通管理的效率。該系統(tǒng)的應(yīng)用要求對(duì)車牌正確識(shí)別具有較高的識(shí)別率。針對(duì)這種情況，管理部門已經(jīng)著手進(jìn)行諸如交通信號(hào)自適應(yīng)控制系統(tǒng)、智能交通監(jiān)控系統(tǒng)、GPS 車輛管理及導(dǎo)航系統(tǒng)、停車場(chǎng)自動(dòng)收費(fèi)系統(tǒng)、汽車牌照自動(dòng)識(shí)別等智能化交通管理系統(tǒng)的研制。 According to the inside features of locating license plate, the platearea is pop out by project the license plate。本文研究?jī)?nèi)容的創(chuàng)新性體現(xiàn)在以下三個(gè)方面：(1)車牌定位階段，采用一個(gè)改進(jìn)的自適應(yīng) PCNN 神經(jīng)網(wǎng)絡(luò)對(duì)圖像進(jìn)行預(yù)處理可以得到一個(gè)細(xì)節(jié)豐富，邊緣完整的二值圖像，隨后基于牌照固有特征，結(jié)合一種新的形態(tài)學(xué)方法，可以得到多個(gè)車牌候選區(qū)域：(2)車牌字符分割階段，為了滿足算法實(shí)時(shí)性的要求，對(duì)畸變車牌進(jìn)行預(yù)處理時(shí)，采用字符的行特征來(lái)描述本文的傾斜校正算法，之后，基于改進(jìn)的投影特征圖對(duì)字符圖像分割；(3)字符識(shí)別階段，為了提高算法的準(zhǔn)確性，采用改進(jìn)的 BP 神經(jīng)網(wǎng)絡(luò)。最后在車牌字符識(shí)別階段，以現(xiàn)今比較流行的神經(jīng)網(wǎng)絡(luò)為理論基礎(chǔ)，在原有的神經(jīng)網(wǎng)絡(luò)算法基礎(chǔ)上進(jìn)行有效改進(jìn)。在牌照的定位之前，本文首先運(yùn)用不同于當(dāng)下傳統(tǒng)的方法，而是結(jié)合當(dāng)前比較熱門的 BP 神經(jīng)網(wǎng)絡(luò)來(lái)對(duì)圖像進(jìn)行預(yù)處理，得到了比較突出的牌照信息。本文設(shè)計(jì)的主要內(nèi)容包括：運(yùn)用 MATLAB 仿真軟件對(duì)后臺(tái)圖像進(jìn)行高速，準(zhǔn)確的處理。中文摘要隨著城市交通管理現(xiàn)代化水平的提高，建立在車輛牌照識(shí)別基礎(chǔ)上的交通信號(hào)自適應(yīng)控制系統(tǒng)、智能交通監(jiān)控系統(tǒng)、GPS 車輛管理及導(dǎo)航系統(tǒng)、智能化交通管理系統(tǒng)應(yīng)運(yùn)而生。由于汽車牌照是機(jī)動(dòng)車輛管理的主要標(biāo)志符號(hào)之一，因此對(duì)車輛牌照識(shí)別系統(tǒng)的研究就尤為重要，該研究的核心是提高車牌識(shí)別準(zhǔn)確性，這就需要識(shí)別算法能夠?qū)Νh(huán)境光照條件，拍攝位置和車輛行駛速度等因素的影響有較大的魯棒性，并能夠滿足實(shí)時(shí)性的要求。主要工作是利用 BP 神經(jīng)網(wǎng)絡(luò)算法對(duì)牌照的字符識(shí)別進(jìn)行了研究。然后結(jié)合牌照自身的一些固有特征，用形態(tài)學(xué)的方法進(jìn)行了車牌區(qū)域的準(zhǔn)確定位；對(duì)定位得到的車牌，再次結(jié)合牌照內(nèi)部細(xì)節(jié)特征，對(duì)車牌進(jìn)行投影，從而得到了車牌較為完整的分割。仿真結(jié)果表明本算法在車牌識(shí)別中具有明顯的優(yōu)勢(shì)。關(guān)鍵詞：數(shù)字圖像處理 車牌識(shí)別 字符識(shí)別 神經(jīng)網(wǎng)絡(luò)An Arithmetic Research Based On Neural Network for Car License Plate RecognitionAbstractWith the rapid development of domestic traffic management, these systems that are based on the license plate recognition appeared at the right moment, such as the traffic signal automation management system, intelligent traffic monitor system, GPS, automation parking toll system, and intelligence traffic system, . Because license plate is a important part of vehicle management system, so the research of license plate system is particularly important .The core of arithmetic of license plate system is how to improve the recognition, so it requires recognition algorithm has great robustness for the impact of light conditions of the environment and taken the position and vehicle speed it also can satisfy the timely requirement.In this paper, my work is focused on the image processing based on MATLAB emulator. Three problems were analyzed, which are license locating, segmentation and character recognition. Before license locating, artificial neural work (ANN) is adopted to handle the image, then the information of license plate is obtained in evidence. To locate the license plate, the inherent features of license plate being used, and then use mathematical morphology to locate the license plate accurately。 The last step is characters recognition, ANN is the key tool in recognition. An improved neural work is designed to segment the characters. The whole license plate recognition is achieved through those steps. The result of emulator proves that my arithmetic would be able to improve the rate of recognition, effectively.My work has three innovations. Firstly, An improved and automatic PCNN neural work is used to dispose the image, and A binary image is gained, which has an abundant details, intact edges, then T get lots of candidate areas of license plate, based on the inside features of license plate and a new mathematics morphology. Secondly, when the change image is handled, an arithmetic based on the line features of characters is used, and then segment the image of characters based on improved project features. Thirdly, I improve on BP neural work to improve the rate of recognition.KEY WORDS: Digital Image Processing License Plate Recognition Character Recognition Neural Network.目錄第一章 緒論 .....................................................1 選題的背景和意義 .......................................1 車牌識(shí)別的技術(shù)研究 .....................................2 本文研究的內(nèi)容 .........................................5第二章 車牌預(yù)處理及定位與分割算法研究 ...........................7 圖像預(yù)處理 .............................................7 車牌定位算法介紹 ......................................11第三章 汽車牌照字符分割方法研究 ................................12 車牌字符的一般特征分析 ................................12 字符分割方法研究 ......................................12 基于垂直投影和優(yōu)割字符分割方法 ........................14 實(shí)驗(yàn)結(jié)果及分析 ........................................18第四章 汽車牌照字符分割 ........................................20 車牌圖像傾斜的糾正 ....................................20 基于投影圖的字符圖像的分割 ............................24 字符的歸一化 ..........................................27第五章 汽車牌照的字符識(shí)別 ......................................30 車牌字符特征提取 ......................................30 基于 BP 神經(jīng)網(wǎng)絡(luò)的字符識(shí)別 .............................31 本文的 BP 網(wǎng)絡(luò)結(jié)構(gòu) .....................................42總結(jié) ...........................................................43參考文獻(xiàn) .......................................................44附錄 ...........................................................46致謝 ...........................................................47 1 第一章 緒論20 世紀(jì) 90 年代以來(lái)，伴隨著我國(guó)經(jīng)濟(jì)的快速騰飛，國(guó)民經(jīng)濟(jì)的高速發(fā)展，機(jī)動(dòng)車輛規(guī)模及數(shù)量大幅度增加，與此同時(shí)，公路上違章違規(guī)的車輛也屢見不鮮，由此造成的交通事故、環(huán)境污染屢見不鮮，鑒于此，城市交通管理現(xiàn)代化水平的提高勢(shì)在必行，迫切需要采用高科技手段來(lái)實(shí)時(shí)監(jiān)控和檢測(cè)路上行駛的車輛，以加強(qiáng)交通管理水平。由于汽車牌照是機(jī)動(dòng)車輛管理的主要標(biāo)志符號(hào)之一，因此車輛牌照識(shí)別系統(tǒng)的研究就顯得愈加重要。這就需要該系統(tǒng)能夠?qū)Νh(huán)境光照條件，拍攝位置和車輛行駛速度等因素的影響有較大的魯棒性，并能夠滿足實(shí)時(shí)性的要求。ITSS 由 16 種基礎(chǔ)技術(shù)知識(shí)系統(tǒng)構(gòu)成 [l]，這些系統(tǒng)又被分為：智能基礎(chǔ)設(shè)施系統(tǒng)和智能車輛系統(tǒng)。LPR 被認(rèn)為是智能基礎(chǔ)設(shè)施系統(tǒng)的核心構(gòu)成，例如電子收費(fèi)系統(tǒng)( 收費(fèi)站，負(fù)費(fèi)停車場(chǎng))，高速公路，和交通監(jiān)管上的人工管理系統(tǒng)。LPR 的任務(wù)是處理、分析攝取的汽車圖像，用以自動(dòng)識(shí)別汽車牌號(hào)。已有的 LPR 技術(shù)或多或少都還存在某些缺陷，尤其是在實(shí)時(shí)性和識(shí)別率方面不夠成熟。當(dāng)發(fā)現(xiàn)違章車輛闖關(guān)或排放大量污物、灰塵時(shí)，通過(guò)采集該汽車的靜態(tài)視頻圖片，并將其資料納入后臺(tái)處理，實(shí)現(xiàn)實(shí)時(shí)的車輛信息管理，從而既達(dá)到了省時(shí)、省力的效果，提高了交通管理的現(xiàn)代化、智能化水平，又減輕交通管理、環(huán)境監(jiān)護(hù)部門的壓力。 車牌識(shí)別的技術(shù)研究一個(gè) LPR 系統(tǒng)通常包括前端視頻采集設(shè)備，照明設(shè)備，基于 DSP 的硬件圖像處理平臺(tái)，終端計(jì)算機(jī)系統(tǒng)，識(shí)別軟件，后臺(tái)數(shù)據(jù) LPR 系統(tǒng)中，外圍攝像系統(tǒng)把采集到的視頻信息，經(jīng)由一個(gè)高速的網(wǎng)絡(luò)傳輸系統(tǒng)，把圖像交由后臺(tái)的視頻圖像處理平臺(tái)進(jìn)行處理，處理的結(jié)果根據(jù)實(shí)際需要與終端平臺(tái)，數(shù)據(jù)庫(kù)，或其它輸入輸出外設(shè)進(jìn)行互連。硬件參考圖如圖 11：圖 11 汽車牌照識(shí)別系統(tǒng)硬件構(gòu)成根據(jù)圖 11，車牌自動(dòng)識(shí)別的算法主要分成三個(gè)步驟: 車牌定位、字符分割、字符識(shí)別。這些預(yù)處理包括邊緣檢測(cè)、二值化、灰度均衡化和對(duì)比度處理等等。為了快速、準(zhǔn)確、可靠地定位出車牌位置，學(xué)者們提出了許多定位算法，大部分定位算法是基于車牌所具有的特征來(lái)進(jìn)行的。（2）車牌區(qū)域的灰度分布特征，穿過(guò)車牌的水平直線其灰度呈現(xiàn)連續(xù)的峰、谷、峰的分布，具有紋理特征。（4）