论文部分内容阅读
车牌识别(License Plate Recognition, LPR)是智能交通系统(Intelligent Transportation Systems, ITS)的关键技术,有着广泛的应用前景,如停车场管理、道路交通监控、高速公路自动收费、住宅社区安全访问等。随着智能交通系统日益普及,研究更为稳定、快速、准确的车牌识别技术具有巨大的研究意义和社会价值。车牌识别的关键技术主要由三个部分组成,包括车牌定位、车牌字符分割和车牌字符识别。文章对这三项技术进行了深入探索和研究,并提出了有效的方法,具体包括以下内容:在分析了各种典型的车牌定位算法的原理、性能以及适用范围的基础上,结合车牌先验知识,提出了一种基于边缘检测的车牌定位算法。该方法采用边缘检测获取车牌区域垂直边缘,利用数学形态学运算得到车牌候选区域,最后结合车牌结构特征,采用扫描行法定位车牌。该算法综合利用了边缘检测、形态学运算在获取车牌候选区域准确的优点以及二值图像在检测真实车牌上具有优势的特点,将二者有机结合起来,有效地解决了自然背景下车牌定位问题,同时该算法适用于多车牌定位场合。大量实验表明,该算法具有定位准确率高,鲁棒性强等优点。在分析了包括模板匹配法、投影法等在内的传统车牌字符分割方法的基础上,提出了一种基于车牌模板的字符分割方法。该方法利用扫描行法定位车牌字符上下边界,根据车牌字符特征及排列特点确定标准车牌模板,通过模板与车牌垂直投影向量匹配,寻找最佳匹配位置,从而确定车牌左右边界,然后结合投影法校正各字符边界,精确分割字符。对提取的车牌进行大量的字符分割实验,实验表明该算法有效地解决了字符模糊、粘连所带来的分割问题,具有较好的鲁棒性,分割速度快、准确率较高。在分析了传统模板匹配字符识别方法存在的不足之处的基础上,提出了一种改进的模板匹配法。改进的模板匹配方法根据英文数字字符笔画相对简单的特点,充分利用了字符背景区域进行匹配,有效地解决了断裂、变形及模糊字符的识别问题,并给出了相似字符识别的解决方法。根据车牌汉字具有字型复杂,笔画丰富的特点,提出了一种基于两级竞争型神经网络的识别方法。该方法首先提取汉字骨架,采用SOM网络分析结构特征,实现汉字的粗分类,而后提取汉字统计特征,采用LVQ网络进行精确识别。实验表明,两种识别算法针对性强、速度快、识别率高。