论文部分内容阅读
车牌识别系统在车辆出入管理、高速公路收费管理,电子警察等方面得到了广泛的应用。车牌识别系统对车辆的监管起到了重要的作用,并且可以实现对城市交通监管工作,以防止交通的堵塞,在现实生活中具有重要的意义。目前车牌识别系统有很多,但是在复杂的环境下(例如光照条件,变形车牌,污垢车牌等),其车牌的识别率会大大的降低,因此如何提高在复杂环境的情况下的车牌识别率具有重要的研究意义。本文主要从车牌的预处理,车牌字符定位,车牌字符分割和车牌字符识别四个方面进行介绍,并且针对其中的部分算法进行了改进。本文主要的创新部分如下:1.为了增强大津(OTSU)算法的二值化效果,本文使用属性加权朴素贝叶斯算法改进OTSU算法。即通过属性加权朴素贝叶斯算法来寻找一个能够尽可能区分前景和背景的最佳阈值。2.为了提高车牌字符定位的准确率,本文先将采集到的RGB彩色图像转换为HSV彩色图像,然后针对车牌的颜色对HSV彩色图像进行颜色约束,通过对约束后的图像进行灰度化和二值化,来找到图像中白色像素点的总数。在实验中发现,当白色像素点总数小于等于4200时,使用基于投影和颜色综合特征的车牌候选区域提取算法对车牌候选区域的提取较为准确。当白色像素点总数大于4200时,使用基于灰度的车牌候选区域算法对车牌候选区域的提取较为准确。最后在使用这些车牌区域与非车牌区域对支持向量机进行训练,并使用训练后的支持向量机模型对车牌区域进行判别,进而提升了车牌定位的准确率。3.介绍了神经网络的相关原理,着重介绍了BP神经网络的原理最后使用文献[26]中三类BP神经网络对光学字符识别(OCR)引擎进行改进。然后使用改进的光学字符识别引擎进行车牌字符识别以验证其识别效果。通过对上述改进方案与其他算法进行实验对比,通过实验数据发现本文中改进的定位算法在光照条件不好的环境下的定位准确率得到了提高,定位成功率达到了95%,并且改进后的光学字符识别引擎对车牌的识别效果也有所提高,车牌字符识别率达到了97%。