车牌字符识别系统的研究和实现

来源 :中北大学 | 被引量 : 0次 | 上传用户:hxl5201314888
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
车牌字符识别问题是车牌识别系统的核心技术问题,是智能交通系统的关键组成部分,是目前该领域研究的热点问题之一。本文以定位得到的蓝底白字彩色的车牌照图像作为样本,分别对车牌字符识别系统的组成部分——字符分割、字符特征提取、字符分类器设计进行了研究,主要内容概括如下:1.车牌字符分割部分:在对车牌照图像进行预处理的基础上,本文提出一种基于车牌先验知识的改进水平投影法来实现车牌字符分割。实验证明,该方法是可行的。2.车牌字符特征提取优化部分:本文首先对车牌进行了平滑滤波去噪及归一化等预处理,然后在分析常用字符特征提取方法的基础上,提出了一种综合特征提取法——粗网格与粗外围融合的特征提取法+主成分分析(PCA)特征约简法。3.基于BP网络的车牌字符识别部分:在研究BP神经网络结构设计、参数设置以及运行优缺点的基础上,提出了一种增加动量项、引入自适应学习速率的改进BP网络;针对车牌字符分布特点及种类不同,设计了汉字、字母、数字、字母和数字4类分类器,并比较了字符经粗网格与粗外围融合法得到的特征向量在PCA约简优化前后的识别速度和识别率。实验表明:经过PCA约简优化的特征向量在改进BP网络下识别速度更快,识别率更高。4.基于LSSVM的车牌汉字识别探索部分:考虑到车牌汉字样本集少、字形复杂等难点问题以及SVM分类的优势,提出了运用LSSVM工具箱进行探索。首先采用“一对多”策略、选用径向基核函数构建了LSSVM汉字识别多分类器,然后选用了车牌汉字字符经粗网格与粗外围融合法得到的特征向量和再经PCA约简优化综合提取后的特征向量进行实验,并对实验结果进行了比较。实验表明:在不进行PCA特征约简优化的情况下,LSSVM仍具有较高的识别率,性能优于改进的BP网络。
其他文献
本文主要考虑半导体模型经典解的存在性和逐点估计与分子动力学方程真空间题解的时间一致稳定性两方面的问题.具体内容如下:   第一章为绪言.在这里,我们回顾了半导体方程
学位
聚类分析是统计学的重要分支,传统的研究是基于相似性度量的选择,或基于划分的迭代方法,来对样本进行划分,并将类内距离最小及类间距离最大作为评判标准。随着现代社会信息化技术
动力系统是当代数学研究的热点领域之一.动力系统的研究可以追溯到牛顿与莱布尼茨创立微积分,建立三大运动定律以及万有引力定律的非凡的科学家.在牛顿的体系中,以时间为参变
本文讨论对称锥互补问题(SCCP)解的性质,主要内容包括以下两个方面.第一,考虑一般的SCCP,首先引入例外簇的概念,然后,通过使用引入的例外簇,建立了一个SCCP解的存在性定理.最
在概率论中,大偏差理论关注概率分布和序列尾事件的渐近行为,因此在概率极限理论中大偏差理论是一个非常重要的分支,大偏差理论同样用于处理极问题,但其大不同于中心极限定理和大
学位
上世纪六十年代,在变分原理基础上发展起来的变分不等式(variational inequality,Ⅵ)理论是偏微分方程的一个重要分支,也是应用数学中一个十分重要的研究领域。在工程应用中存
本文针对使用正电子发射断层显像(positron emission tomography PET)技术成像的肿瘤图像的分割算法进行了进一步的应用分析与研究。   肿瘤的早期预防、早期发现和治疗对