论文部分内容阅读
车牌识别涉及数字图像处理,模式识别,人工智能和计算机视觉等技术,是实现交通智能化的关键环节,在智能交通系统领域有着重要的实用价值。本文在分析几种常用的车牌识别方法基础上,结合对径向基函数神经网络(RBFNN)及其算法的研究,设计了新的车牌识别系统。主要工作如下:首先研究了基于灰度图像的车牌定位方法和基于HIS空间进行彩色车牌定位方法。针对其耗时长,易受光照影响,定位率低等缺点,结合车牌的先验知识,采用扫描法统计车牌的蓝白像素,分割出合理的车牌区域,从而实现了车牌的定位,提高了定位速度和定位准确度,且不易受光照影响。其次研究了车牌字符的分割。对车牌区域进行了灰度化处理,运用Canny算子实现了边缘检测。利用Radon变换法对车牌进行了倾斜矫正,同时根据OTSU法确定阈值进行二值化;运用数学形态学处理去掉车牌边框和铆钉,采用投影法最终实现了车牌字符的分割,并进行了归一化处理。然后研究了车牌字符的识别方法。通过反向传播神经网络(BPNN)、径向基函数神经网络(RBFNN)和广义回归神经网络(GRNN)方法对车牌字符进行了分析对比,并研究了RBFNN学习中心的选取及RBFNN和GRNN的设计。利用果蝇优化算法对GRNN的参数进行了优化。最后进行了图形用户界面(GUI)开发,同时建立了车牌号码数据库,完成了整个车牌识别系统的设计。