车牌识别、定位毕业论文
资料包括： 论文(27页15804字)
说明：
摘 要：基于数字图像处理技术开发的计算机化的车牌自动识别系统，是智能交通系统(ITS)的重要组成部分，通常用作电子警察、道路监控等，可大大减少交通管理的劳动强度，大幅度提高处理速度和效率，还可彻底解决现有车辆管理系统中存在的漏洞。
本课题利用数字图像处理技术，实现车牌识别技术中的识别算法，开发更稳定、准确、快速的识别软件系统。
本系统所拍摄到的车辆牌照进行了预处理、车牌定位分析、字符分割和字符识别等几个步
骤，完成了对车牌的识别工作。
关键词：车牌识别 车牌定位 图像处理 神经网络 模式识别
Abstract：Based on digital image processing technology developed by the computerized automatic license plate recognition system is the Intelligent Transportation Systems (ITS) an important component of the electronic normally used for police, roads, such as monitoring, traffic management can greatly reduce the labor intensity, a substantial increase Processing speed and efficiency, but also completely solve the existing vehicle fleet management system in the existing loopholes.
The issue of digital image processing technology, license plate recognition technology is to achieve the recognition algorithm and the development of a more stable, accurate and rapid recognition software system.
The steps of the vehicle licence to take a pretreatment, location analysis, character segmentation and character recognition completed the identification plate of work。
Key Words: License Plate Recognition License plate positioning Image Processing Neural network Pattern recognition
第1章 总体介绍
1.1 数字图像处理
数字图像处理系统一般分三个部分:输入部分的图像数字化设备，作处理的计算机、输出的图像显示设备。一个完整的图像处理工作周期应包括:图像信息的获取、图像信息的存储、图像信息的传输、图像信息的处理、图像信息的输出和显示。
数字图像处理的研究方法非常多种，主要包括信号处理方法、数学物理方法、生理学和心理学方法、仿生学方法等，这些方法相互交叉、内容有重复，不能截然分开。其中信号处理方法是本论文主要采取的方法，主要有两大类:空间域法和变换域法。空域法是把图像的像素表示成为二维空间函数并进行相应的处理，具体方法有点运算，如灰度处理、面积运算等;邻域处理法，如梯度运算、卷积运算等。变换域法指首先对图像从空域中进行正交变换如傅里叶变换，K-L变换和小波变换等，在变换域中利用该域内的数学工具处理图像信息，最后进行反变换以得到结果。这类处理包括滤波、数据压缩、特征提取等。而数学和物理方法主要有数学形态学方法、小波分析、分形和混沌理论方法等。生理学和心理学及美学方法主要用于图像的获取与表达、图像处理结果的评价等。仿生学的方法主要用子计算机视觉的研究。
摘 要1
Abstract2
第1章 总体介绍5
1.1 数字图像处理5
1.2 图像工程学5
1.3 图像处理与车牌识别6
1.4 图像处理大致步骤：7
1.5程序流程：7
第2章 设计图像处理9
2.1 图像格式BMP,JPEG与DIB编码9
2.2 模式识别11
2.3 模式识别系统组成11
第3章 预处理13
3.1 图像截取13
3.2色彩转换13
3.3 滤波13
3.3.1 均值滤波13
3.4 小结14
第4章 车牌定位15
4.1定位前图像分类15
4.2首次定位15
4.2.1数学形态学定位16
4.2.2跳跃模板定位法16
4.3区域获取16
4.3.1连通域合并17
4.3.2矩形获取算法17
4.3.2.1方向搜索算法17
4.4候选车牌排除17
4.4.1区域形状分析排除法17
4.4.2象素值变化次数排除法18
4.5倾斜纠正18
4.5.1利用先验知识补偿19
4.5.2自适应倾斜纠正19
4. 6二次定位19
4.7小结19
第5章 字符分割21
5.1边缘分割21
5.2闭值分割21
5.2.1全局闭值分割21
5.2.2局部闭值分割22
5.3区域增长技术22
5.4字符切分22
5.4.1基于先验知识的字符切分22
5.4.2基于投影的字符切分23
5.5字符归一化23
5.6小结23
第6章 字符识别24
6 1模板匹配法24
6.2多分类器构造24
6.3小结24
结束语25
参考文献27
参考文献：
1.阮秋琦。数字图像处理学.电子工业出版社。2001.1～86-103
2.何斌等.Visual C++数字图像处理.人民邮电出版社.2004.7～13-35
3.陈锻生，谢志鹏，刘政凯.复杂背景下彩色图像车牌提取与字符分割技术.小型微型计算机系统2002.9～45-70
4.张国敏，殷建平，祝恩.一种基于区域嫡值的车牌定位方法.计算机工程与科学.2004年第26卷第5期～100-150
5.王晓东.计算机算法设计与分析[M]. 北京：电子工业出版社.2001.1～26-40.
作者点评：
根据论文的实验过程，系统利用数字处理技术，对车牌进行识别。识别的程序主要流程如下:
先利用车辆图像差分图的灰度均值、方差等来确定图像是否为简单图像还是复杂图像，进行第一次分类。系统存在车牌矩形获取的反馈环节，若用数学形态学和微分法都无法获取车牌矩形，就采用其他定位方法获取车牌矩形。并行和反馈增强了车牌初次定位的鲁棒性。经过候选车牌排除和倾斜纠正，更有利于二次定位的精确性。
局部化的字符图像闽值迭代分割，使得分割更注重局部细节，分割会更加精确可靠。分割后的区域增长，使得车牌字符图像更完整，有利于识别。两级分类器的构造，使得识别的准确性大大提高。实验表明，整个系统稳定性强，准确性和快速性都能得到保证。
系统的不足之处在于没有考虑多车牌情况下的定位方法;定位方法中，没有进行灰度纹理分析方面的定位;分割时也没有对车牌图像进行灰度纹理分析。若系统加入这方面的工作，将使整个系统性能得到提高。还有整个系统没有考虑车牌色彩方面的信息，仅仅对灰度图像进行了研究，如果能结合车牌本身的色彩信息，各环节的性能更能得到有效的保证。另外，本系统只针对普通小车车牌进行了大量的实验，特种车牌没专门考虑，这是系统的一个缺陷。写完论文后，体会最强的地方是:抗干扰工作几乎存在于整个系统的各个环节的各个地方。可以这么说，几乎每一步骤都要考虑到干扰的存在，都要有相关的方法来消除可能的干扰，即使这种干扰出现的概率很小。这是系统商品化对性能要求的基本前提。但是干扰的出现是全方位的，有各种可能，系统要能抵抗各种干扰，又不能顾此失彼，即不能在提高对这种干扰的抵抗能力的同时，却降低了抵抗那种干扰的能力，更不能因此而降低了系统的工作性能，所以抗干扰既要有普适性，又要有针对性。这是系统实现的难点所在，其次每一个环节都要使用多种方法并行。在工程实践中，没有单独一种方法能解决各种问题。因此应对各种方法扬长避短，并行使用，并在环节中构筑反馈，确保该环节输出到达要求。
再次，识别环节的特征的选择非常关键，要挑选那些在干扰情况下变化不大，稳定性强，能反应图像本质，算法构组简单，并且系统实现开销小的特征。满足这样要求的特征才是好的特征，才应该被选择。
总之，系统实现的难点在抗干扰和特征提取上。