基于小波包分析和BP神经网络的车牌识别算法的研究

1、基于小波包分析和BP神经网络的车牌识别算法的研究    英文题名 License Plate Recognition Algorithm Based on Wavelet Packet Analysis and BP Neural Networks  关键词 小波包变换; BP神经网络; 车牌定位; 字符识别; 英文关键词 wavelet packet transform; BP neural network; license plate location; character recognition; 中文摘要 车牌自动识别技术是现代智能交通

2、系统中的一项非常重要的技术,是近年来研究热点。智能交通系统在车辆跟踪、高速公路自动收费、停车场自动计费以及城市交通流量统计等方面发挥着极其重要的作用,而牌照是车辆的唯一标志,因此车牌自动识别技术在整个系统中处于核心的地位,具有重要的研究意义。国内外的研究人员已经开始对车牌自动识别技术开展了深入地研究,提出了许多算法和方案,同时有一些产品已经投入使用,但是因为其效果未能达到人们所期望的要求,离真正实用和通用的要求还有一定的差距。因此在如何提高车牌定位和识别算法的正确性和实时性方面,还存在较大的研究空间。 本文在继承前人研究成果的基础上,将先进的理论工具一小波包变换运用到车牌识别中来,主要工作有以

3、下几个方面：(1)车牌定位；(2)字符分割；(3)字符识别。 在车牌定位方面,首先对车牌图像进行灰度变换、平滑处理,通过分析传统图像增强的方法,提出了一种基于小波包变换的增强算法；结合边缘检测、形态学处理、投影法等算法,提出了一种基于车牌纹理特征的车牌定位算法。经过实验证明,该算法达到了预期的效果,从原始图像中提取出车牌的准确度超过92.9%。 在字符分割方面,采用小. 英文摘要 The license plate automatic recognition technique is one of the very important technique in modern intellige

4、nt transportation system, which is the hot spot of research in the recent years. The intelligent transportation system plays an important role in vehicle tracking, highway automatic charging, parking automatic charging, traffic flow statistics and so on. As the license plate is the only identity of

5、each vehicle, the license plate automatic recognition technique stands at a key role in the modern  摘要 6-7 Abstract 7 第1章 绪论 10-15     1.1 课题提出的背景和现实意义 10-11     1.2 课题的研究现状及发展趋势 11-12         1.2.1 课题的研究现状 11    &#

6、160;    1.2.2 目前相关产品现状 11-12         1.2.3 课题的发展趋势 12     1.3 车牌识别系统的组成 12-13         1.3.1 感应设备 12         1.3.2 图像采集 12        

7、1.3.3 工作原理 12-13         1.3.4 信息存储 13     1.4 我国汽车牌照的特点 13-14     1.5 本文的主要研究内容 14-15 第2章 小波分析的基本理论 15-25     2.1 小波分析的基本理论 15-18         2.1.1 连续小波变换 15-17     

8、60;   2.1.2 离散小波变换 17-18     2.2 多分辨率分析 18-20         2.2.1 多分辨率分析的基本概念 18-19         2.2.2 小波变换快速算法Mallat算法 19-20     2.3 小波包的定义 20-22     2.4 小波包用于提取特征信息 22-23   &

9、#160; 2.5 小波包在图像处理中的应用 23-24         2.5.1 小波包在图像增强方面的应用 23         2.5.2 小波包在图像消噪方面的应用 23-24         2.5.3 小波包在图像特征提取的应用 24     2.6 本章小结 24-25 第3章 车牌定位算法研究 25-38    

10、; 3.1 图像预处理 25-32         3.1.1 灰度变换 25-26         3.1.2 平滑处理 26-27         3.1.3 传统的图像增强方法 27-29         3.1.4 基于小波包变换的车辆图像增强算法 29-32     3.2 现有

11、车牌定位算法介绍 32     3.3 车牌定位的基本原理 32-37         3.3.1 边缘检测 32-34         3.3.2 数学形态学 34-35         3.3.3 车牌区域纹理特征 35-36         3.3.4 水平扫描 36  &

12、#160;      3.3.5 垂直定位 36-37     3.4 实验结果及性能分析 37     3.5 本章小结 37-38 第4章 车牌字符的分割 38-43     4.1 小波包阈值去噪算法 38-39     4.2 二维小波包阈值噪声滤波器的设计 39-41     4.3 基于小波包去噪和车牌纹理的字符分割方法 41-42     4.4 实验结

13、果及性能分析 42     4.5 本章小结 42-43 第5章 车牌字符识别 43-54     5.1 模板匹配 43-44     5.2 基于BP神经网络的车牌字符识别 44-49         5.2.1 人工神经网络简介 44-45         5.2.2 BP神经网络理论 45-49     5.3 神经网络的结构设计

14、 49-51         5.3.1 网络的层数 50         5.3.2 输入层节点数 50-51         5.3.3 隐含层神经元的数目 51         5.3.4 初始权值的设定 51         5.3.5 输出

15、层节点数 51     5.4 实验结果及性能分析 51-52     5.5 本章小结 52-54 第6章 总体技术设计 54-56     6.1 总体技术线路图 54-55     6.2 具体步骤 55-56 结论与展望 56-58 致谢 58-59 参考文献 59-63         2.5.2 小波包在图像消噪方面的应用 23-24      

16、   2.5.3 小波包在图像特征提取的应用 24     2.6 本章小结 24-25 第3章 车牌定位算法研究 25-38     3.1 图像预处理 25-32         3.1.1 灰度变换 25-26         3.1.2 平滑处理 26-27         3.1.3 传统的图像增强

17、方法 27-29         3.1.4 基于小波包变换的车辆图像增强算法 29-32     3.2 现有车牌定位算法介绍 32     3.3 车牌定位的基本原理 32-37         3.3.1 边缘检测 32-34         3.3.2 数学形态学 34-35    

18、0;    3.3.3 车牌区域纹理特征 35-36         3.3.4 水平扫描 36         3.3.5 垂直定位 36-37     3.4 实验结果及性能分析 37     3.5 本章小结 37-38 第4章 车牌字符的分割 38-43     4.1 小波包阈值去噪算法 38-39   &#

19、160; 4.2 二维小波包阈值噪声滤波器的设计 39-41     4.3 基于小波包去噪和车牌纹理的字符分割方法 41-42     4.4 实验结果及性能分析 42     4.5 本章小结 42-43 第5章 车牌字符识别 43-54     5.1 模板匹配 43-44     5.2 基于BP神经网络的车牌字符识别 44-49         5.2.1 人工神经网

20、络简介 44-45         5.2.2 BP神经网络理论 45-49     5.3 神经网络的结构设计 49-51         5.3.1 网络的层数 50         5.3.2 输入层节点数 50-51         5.3.3 隐含层神经元的数目 51  

21、;       5.3.4 初始权值的设定 51         5.3.5 输出层节点数 51     5.4 实验结果及性能分析 51-52     5.5 本章小结 52-54 第6章 总体技术设计 54-56     6.1 总体技术线路图 54-55     6.2 具体步骤 55-56 结论与展望 56-58 致谢 58-59 参考文献

22、 59-63         2.5.2 小波包在图像消噪方面的应用 23-24         2.5.3 小波包在图像特征提取的应用 24     2.6 本章小结 24-25 第3章 车牌定位算法研究 25-38     3.1 图像预处理 25-32         3.1.1 灰度变换 25-26  

23、0;      3.1.2 平滑处理 26-27         3.1.3 传统的图像增强方法 27-29         3.1.4 基于小波包变换的车辆图像增强算法 29-32     3.2 现有车牌定位算法介绍 32     3.3 车牌定位的基本原理 32-37       &

24、#160; 3.3.1 边缘检测 32-34         3.3.2 数学形态学 34-35         3.3.3 车牌区域纹理特征 35-36         3.3.4 水平扫描 36         3.3.5 垂直定位 36-37     3.4 实验结果及性能分析 37     3.5 本章小结 37-38 第4章 车牌字符的分割 38-43     4.1 小波包阈值去噪算法 38-39     4.2 二维小波包阈值噪声滤波器的设计 39-41     4.3 基于小波包去噪和车牌纹理的字符分割方法 41-42