论文部分内容阅读
车牌识别系统是智能交通系统的重要基础，它能够快速准确地采集车辆的车牌信息，为现代化的车辆管理带来了便捷。针对车牌识别的研究越来越多，其应用也日益广泛。车牌识别的关键技术就是车牌定位、字符分割和字符识别，本文深入研究了这些技术，实现了车牌识别系统。 本文提出了基于区域直方图信息的特征提取方法，利用均衡化后的R、G、B直方图进行车牌特征提取。另外本文提出了基于AB神经网络模型的车牌定位方法，用两个BP神经网络组成的AB神经网络模型，改进了误差的计算方式，使用均方误差，减少网络训练时的迭代次数，将此模型应用于车牌的第一次定位和字符识别。在此基础上，利用区域均值法和均值跳变法实现了车牌的精确定位。字符分割技术是字符识别的前提。本文结合车牌精确定位的方法，提出了改进的基于垂直投影的分割方法，减少了垂直投影的计算量并剔除了投影波谷的噪声。对于第一位汉字字符以及“I”和“1”进行特殊处理，取得了较好的分割效果。对车牌字符中的“I”和“1”直接识别，减轻位于系统后方的字符识别环节的负担。字符识别方面，本文使用基于神经网络的识别方法，提出了改进的方向线素特征提取方法。本文不使用常规的细化方法，而是利用边长与字符笔画粗细相当的方格进行笔画匹配，然后以方格为单位，使用六宫格提取方向线素特征，该方法较好地保留了字符原来的骨架。本文根据车牌字符位置的不同，使用3个神经网络进行分类训练识别，提高了整体的识别率。对于易混淆的字符，使用24宫格和单独的神经网络进行二次精确识别。将车牌识别的研究应用于小区出入口处的道闸系统，实现了车辆出入的智能管理，系统运行稳定，识别率高。