论文总字数：14297字

目 录

一、绪论 5

1.1研究的背景与意义 5

1.2国内外研究现状 5

1.3车牌识别的难点 5

二、本文方法整体思路 6

三、本文方法描述 6

3.1图像预处理 6

3.1.1图像灰度化 6

3.1.2图像增强 7

3.1.2.1灰度变换 7

3.1.2.2图像滤波 8

3.1.3图像二值化 8

3.2车牌定位 9

3.2.1边缘腐蚀 9

3.2.2区域连通 9

3.2.3消除干扰 9

3.2.4搜索车牌 9

3.3车牌切分 10

3.3.1车牌的倾斜校正 10

3.3.1.1 Radon变换 10

3.3.1.2牌照图像的校正 11

3.3.2车牌边框的处理 12

3.3.3字符的切分 12

3.4字符的识别 13

3.4.1 RBF神经网络的基本结构 13

3.4.2 RBF神经网络的学习过程 14

3.4.3本文改进的学习算法 15

四、实验分析 16

4.1 预处理结果 16

4.1.1灰度化 16

4.1.2图像增强 16

4.1.3图像二值化 16

4.2车牌定位结果 17

4.2.1边缘腐蚀 17

4.2.2区域连通 17

4.2.3消除干扰 18

4.2.4搜索车牌 18

4.3车牌切分结果 18

4.3.1车牌倾斜校正 18

4.3.2车牌边框处理 19

4.3.3字符的切分 19

4.4车牌识别结果 19

五、结论 20

参考文献： 20

致谢 22

利用RBF人工神经网络进行车牌识别方法的研究

赵敬吉

，China

Abstract: Accurate and efficient license plate recognition method is the key to realize intelligent traffic control and management system. Image processing and analysis, pattern recognition and artificial intelligence are the important basis for the research and application of license plate recognition method. At present, how to use image processing, pattern recognition and artificial intelligence technology to improve and improve the accuracy and efficiency of the license plate recognition method has become a hot issue.

The traditional license plate recognition method is composed of four stages, namely, pretreatment, license plate location, character segmentation and character recognition. Similar to the traditional method, the license plate recognition method proposed in this paper is used to gray the input license plate image in the pretreatment stage And then use the OTSU method to binarize it. Secondly, in the license plate positioning stage, the mathematical model method is used to locate the license plate of the edge detection image, and then the calibration and the border processing To ensure the quality of the image; thirdly, in the license plate recognition stage based on the characteristics of the first step in the license plate character character segmentation; Finally, in the license plate recognition stage, the use of RBF artificial neural network pattern recognition technology as a recognition method, After the character was identified.

The experimental results show that the RBF artificial neural network can achieve good recognition effect, and the recognition rate is high and has high practical value.

Key words: license plate recognition ；image processing ；RBF artificial neural network

一、绪论

1.1研究的背景与意义

从汽车被发明至今，汽车给人们的生活带来了巨大的影响。随着我国经济飞速发展，我国机动车的数量越来越多，道路交通运输因此日益繁重，人们浪费在路上的时间边长，出行效率变低。为了缓解这种情况，我们必须提高车辆的管理效率，从而提高出行效率。车牌是确定车辆身份最为精确的特征，所以我们可以研发一种车牌识别系统，用以加强对车辆的管理力度，使智能交通管理系统更加完善。近年来,计算机的大步发展和数字图像处理技术的日益成熟，科研人员开始把这些新技术应用在车牌识别上，给传统的交通管理系统带来巨大改变。先进高效的计算机数字图像处理技术，改变了以往繁琐的人工观察、检测，减少了人力和财力的投入，而且能够大大提高其精确度，车牌识别系统就是在这个背景进行开发的。

车牌识别是智能交通管理系统最为重要的一部分，其应用范围尤其广泛，包括：（1）高速公路、桥梁、隧道等收费管理系统；（2）智能停车场管理；（3）车流统计，车牌验证；（4）交通控制与诱导；（5）违章车辆监控。

1.2国内外研究现状

进入20世纪90年代后，大城市道路交通问题日益凸显，与此同时计算机性能不断提高，信息处理技术也随之提高，在此基础上车牌识别技术得到了长足发展。国外等学者提出车牌识别系统分图像分割、特征提取和模板构造、字符识别三个部分，这也是当下车牌智能识别的主要步骤。英国某公司开发的ARGUS系统是车牌识别系统就是一款优秀的产品，被欧洲很多国家应用于智能交通管理，并取得了不错的效果。

近些年，国内对车牌自动识别方面也是硕果累累，丝毫不逊色与西方发达国家。东南大学的李双才就是车牌识别方面的专家之一，为我国车牌智能事业做出很大的贡献。他指出先利用图像内车牌区域内字符和背景间的灰度变化的特征，根据车牌的先验知识，提出利用差分的方法对车牌进行初步定位；然后用变换计算出车牌的倾斜角，对车牌进行校正；最后投影来确定车牌位置。现在比较实用车牌识别系统有香港的“慧光车牌号码识别系统”，中科院的“汉王眼”等等。尽管这些车牌识别系统的“识别率”都非常高，但在实际情况下，这些识别系统会受到环境影响，识别率都不太理想。

1.3车牌识别的难点

从算法上来看，要先对图像做预处理，提高图片质量，再进行定位、切分、识别。因为拍摄的车牌图像可能有很多噪声，所以定位算法很难实现。如果车牌照片牌照出现字符粘连、对比度小等情况，则为字符切分带来较大麻烦，需要相应的算法，难度很大。由于汉字比较复杂，所以要求字符识别的算法高效、实用、准确率高，但往往我们的识别系统追求快速、简洁，这就使其实现起来比较麻烦。　

从环境等客观因素来看，环境光线变化很大，白天光线强、夜间弱，晴天和阴天的光线强度也不一样，不同时间段光线角度也不同，拍摄图像时受环境光线影响较大，这样拍摄出的照片可能会有各种噪声，不利于车牌定位和识别。　

实际上，我国的车辆牌照也有很多种类，他们之间又互不相同，比如民用车牌、公安警察车牌就不同。同时因为不同汽车公司汽车外形和型号也不同，所以挂牌也不唯一。

上面的问题都是车牌识别系统中的难点，虽然现有的车牌识别系统很智能化和人性化，然而由于这些难点的影响，车牌识别率实际上不能达到系统理论的数值。我们要去研究怎么克服这些难点，提高我们的智能识别系统的精准度（识别率）。

二、本文方法整体思路

本文基于已有的车牌识别技术进行改进，通过一定的实验分析和选择，对车牌进行了图像识别，大致流程如下：

1.为了提高了车牌图像的质量，方便后期的处理，本文先是对原图像进行了预处理，去除大部分噪声和干扰，为车牌图像的定位和分割奠定了基础。

2.对预处理后的车牌图像进行了边缘腐蚀等一系列的数学形态学处理，找到了几个疑似车牌区域，最后依据我们了解的车牌的先验知识就能精确的定位出车牌位置。

3.利用Radon变换对车牌区域进行倾斜校正，利用先验知识和算法去除边框和铆钉，此时图像有较高的质量，达到了切分的要求。

剩余内容已隐藏，请支付后下载全文，论文总字数：14297字

相关图片展示：