论文部分内容阅读
随着现在经济的快速发展，智能交通系统（ITS）中的车牌识别技术（LPR）也随之进入了更高层次的发展阶段，这项技术被广泛地应用在对车辆管理的多种场合，并在现代交通控制系统领域中占有一席之位。在本课题的研究中主要运用了数字图像处理以及BP神经网络等相关计算机处理技术，对车牌识别系统中的预处理模块、车牌定位模块以及车牌字符分割和识别模块的一些相关内容进行了研究分析，并运用MATLAB仿真软件进行了模拟仿真。首先，针对现在城市空气污染严重，雾霾天气频发的情况，在系统的预处理阶段对采集到的含雾图像进行了图像去雾、灰度变换及图像滤波等处理。本课题对图像去雾进行了重点论述分析，以暗原色先验为基础，对基于暗原色先验去雾算法进行了系统的研究，并提出了基于暗原色的改进的去雾算法，其核心思想是对其透射率估计的改进，通过实验表明改进后的算法在解决去雾方面的问题上要优于原始算法，尤其在白色及明亮区域能够真实的还原图像的原本颜色特征。其次，在系统的车牌定位和字符分割模块中，分析了常用方法对对车牌区域进行定位和分割存在的缺点及不足，通过研究采用了基于水平扫描、垂直投影的方法对图像中车牌的区域进行了准确定位，并利用车牌区域的先验信息，选取了局部垂直投影法，对车牌的字符串进行了字符分割处理，并将处理后的字符送入车牌识别模块进行字符识别。最后，论述了BP神经网络的相关理论及其算法流程，并针对我国车牌的特殊性设计了相应的汉字网络、字母网络和数字字母网络，同时对各个网络中参数的选取进行了分析研究，对设计后的网络进行了训练，实验表明所设计的识别网络不仅保持了原始BP神经网络的非线性映射及自学习、自适应能力，而且增强了网络的泛化能力和容错能力，提高了网络的识别正确率。