《基于神经网络的车牌照字符识别改进方法研究.doc》由会员分享，可在线阅读，更多相关《基于神经网络的车牌照字符识别改进方法研究.doc（44页珍藏版）》请在三一办公上搜索。
1、-西 南 交 通 大 学毕业设计（论文）基于神经网络的车牌照字符识别改进方法研究年 级: 学 号: 20052295 姓 名: 专 业: 自动化（交通信息工程及控制方向） 指导老师: 二零零九年六月院 系 信息科学与技术学院 专 业 自动化（交通信息工程及控制） 年 级 2005 级 姓 名 题 目 基于神经网络的车牌照字符识别改进方法研究 指导教师评 语 指导教师 (签章)评 阅 人评 语 评 阅 人 (签章)成 绩 答辩委员会主任 (签章) 年 月 日 毕 业 设 计 任 务 书班 级 交控1级 学生姓名 周波 学 号 20052295 专 业 自动化（交通信息工程及控制） 发题日期：20
2、09 年 1 月 1 日 完成日期：2009 年 6 月 15 日题 目 基于神经网络的车牌照字符识别改进方法研究 题目类型： 工程设计 技术专题研究 理论研究 软硬件产品开发一、 设计任务及要求 车牌照识别是智能交通系统的一个重要课题，在车辆管理、不停车收费等系统中有广泛应用。目前，基于神经网络的字符识别技术在车牌照识别领域中已经得到比较普遍的应用，但是由于车牌字符识别算法的相对复杂性，因此我们需要设计一种改进算法来提高车牌照识别系统的鲁棒性和实时性。具体要求如下： 1. 对输入的字符图像（包括数字和英文字母）进行字符特征提取 2. 通过神经网络方法训练样本和自学习，识别字符并给出结果 3.
3、 设计一种改进算法以提高字符识别的精确度和快速性 4. 输入图像中可以含有多个数字和字母 5. 每张图片的处理时间不能大于1S 二、 应完成的硬件或软件实验 1. 利用MATLAB或VC+编程实现车牌照字符的识别技术 2. 设计一个人机交互界面能输入车牌照字符图像并显示字符识别的结果 三、 应交出的设计文件及实物（包括设计论文、程序清单或磁盘、实验装置或产品等） 1. 毕业设计论文（必须完全符合学校规范，内容严禁有丝毫的抄袭剽窃） 2. CD-R（含论文，程序，程序使用说明书，演示视频，盘面标注班级，姓名，专业，日期） 3.英文翻译按学校规定，导师无特殊要求 四、 指导教师提供的设计资料 1.
4、 研究报告介绍（包括课题背景、动机、内容、意义） 2. 计划说明书 3. 部分英文文献资料和Medialab LPR图像数据库 五、 要求学生搜集的技术资料（指出搜集资料的技术领域） 1. 本课题相关领域国内外重要论文及资料 2. MATLAB、C+编程指南 六、 设计进度安排第一部分 查阅相关资料，学习相关编程语言 （2 周）第二部分 编制程序并进行软件调试 （8 周）第三部分 撰写毕业论文 （5 周） 评阅及答辩 毕业论文修改和参加答辩 （1 周） 指导教师： 年 月 日系主任审查意见：审 批 人： 年 月 日注：设计任务书审查合格后，发到学生手上。 西南交通大学信息科学与技术学院 200
5、8年制摘 要车牌字符识别是智能交通系统的一个重要课题，在车辆管理、不停车收费等系统中有广泛应用。目前，基于神经网络的字符识别技术在车牌照识别领域中已经得到比较普遍的应用，但是由于车牌字符识别算法的相对复杂性，因此我们需要设计一种改进算法来提高车牌照识别系统的鲁棒性和实时性。字符识别是模式识别领域的一项传统的课题，这是因为字符识别不是一个孤立的问题，而是模式识别领域中大多数课题都会遇到的基本问题。字符识别也是加快人机信息交流的有效手段。目前有许多资料以图书形式存在，如果用手工的方式进行录入的话，不仅效率地下，而且容易出错。在这种要求下，字符识别有了出现的必要。在这篇文章中主要是利用神经元网络控制
6、来实现对字符图像的处理，从而实现字符识别的功能。神经网络模式识别方法是近些年提出的新方法，为字符研究提供了一种新手段，它具有一些传统技术没有的优点：良好的容错能力，较强的分类能力，有并行处理能力和自学习能力。因而，采用神经网络识别方式是一种很好的选择。本文首先对字符图像进行预处理并提取出字符的图像特征；然后用神经网络方法对数字和英文字符进行识别，得出结果和显示出识别时间；最后提出一些改进算法以提高字符识别的精确度和快速性。 关键词：字符识别； 图像处理；特征提取； 神经网络AbstractThe character recognition of license plate is an impo
7、rtant subject of intelligent transportation system, and is used widely in the vehicle management system and electronic toll collection system. At present, the character recognition technology based on neural network has been used widely in the field of license plate recognition, but due to the relat
8、ive complexity of plate character recognition algorithm, we need to design an improved algorithm to improve the robustness and real-time ability of the license plate recognition system.Character recognition is a traditional subject in the field of pattern recognition, this is because character recog
9、nition is not a single problem, but a basic one which will be encountered in most subjects in the field of pattern identification. Character recognition is also an effective means to accelerate the process of man-computer communication. currently, at present ，there are lots of material in the books，
10、 and if they are inputted manually, it would be not only inefficient, but also error-prone. So, there is a need for the appearance of character recognition in this case. In this paper, neural network control is mainly used to achieve the purpose of character image processing, thus the function of ch
11、aracter recognition has been realized.The method of neural network pattern recognition is a new method brought up in recent years, and has provided a new means for character research. It has some advantages which traditional technology didnt have, such as good fault-tolerant capability, strong capab
12、ility of classification, parallel processing and self-learning. Therefore, its a good choice to adopt the method of neural network recognition. In this paper, firstly, character image was pre-processed and the image feature of character was extracted; then, by using the method of neural network reco
13、gnition, numbers and English characters were recognized and the result was obtained and recognition time was displayed. Lastly, some improved algorithms were introduced to improve the accuracy and rapidity of the character recognition.Keywords: Character recognition; Image processing; Feature extrac
14、tion; Neural network目 录摘 要IIIABSTRACTIV第1章 绪 论11.1 国内外研究现状及研究意义11.1.1 国内外研究现状11.1.2 研究意义31.2 研究内容及方法51.2.1 研究内容51.2.2 研究方法51.3 字符图像识别的总体方案设计51.4 本文结构安排6第2章 图像预处理82.1 引言82.2 图像灰度化82.3 图像二值化102.4 图像归一化112.5 图像的反色处理122.6 本章小结13第3章 基于神经网络的字符识别143.1 神经网络字符识别的过程143.2 BP神经网络模型和算法183.2.1 BP神经网络模型183.2.2 BP神
15、经网络学习算法183.3 神经网络算法改进223.4 本章小结23第4章 字符识别的时间分析性和精确度分析244.1 字符识别的时间分析性244.2 字符识别的精确分析26第5章 软件设计275.1 系统流程275.2 系统界面27结 论33致 谢34参考文献35第1章 绪 论1.1 国内外研究现状及研究意义1.1.1 国内外研究现状字符作为信息沟通与交流的重要载体，在人们的日常工作和生活中起着重要作用，因此字符识别技术成为人机交互界面研究的主要内容之一。字符识别是模式识别领域的一项传统的课题，它在现代日常生活的应用越来越广泛，比如汽车车牌牌照的自动识别系统、联机手写识别系统.字符识别由于应用
16、条件不同，解决的方法也各异。随着全世界的经济飞速发展，信息技术日新月异。人工智能等计一算机技术的迅猛发展使得信息的自动处理能力不断提高，并且广泛地应用于人们的生产和生活实际当中，极大地推动了人类的进步和社会的发展。随着人们生活节奏的不断加快，汽车的普及已经成为必然趋势，交通系统的管理能力也相应的需要极大的提高，所以车辆的自动管理即智能交通系统的开发就越来越成为社会现实中需要迫切解决的问题。在这个大背景下，基于计算机视觉的图像处理及模式识别技术就越来越得到人们的关注，这也为智能交通管理系统的深入研究并且早日进入实际应用领域提供了非常好的契机。车辆牌照自动识别系统已成为计算机视觉与模式识别应用的重
17、要研究课题之一。在模式识别领域中，有的技术已经初步进入了实用阶段，比如指纹识别，虹膜识别等；语音识别，手写汉字识别等也取得了飞速的进展。而车牌识别系统 是一个涉及到图像处理，模式识别，计算机视觉，软件工程等多个方面的技术的系统。由于整个系统需要解决的问题相当复杂，车牌识别在实际上只得到了初步的应用。例如在识别过程中不同的天气，亮度，环境光都会对车牌的定位造成一定的困难，车牌本身的缺陷或倾斜对字符切分会造成很大的影响，复杂而且难以预计的非车牌区域更是给车牌的准确识别带来了极大的困难。尽管近几年来研究者们也对这些问题提出了很多相应的解决方法，但是在识别的速度，正确率上还是有着很大的不足。尤其是近些
18、年来，随着人们生活水平的提高，私家车的拥有量越来越高，各类公路街道也不断拓宽，同时驾驶员素质却是参差不齐，众多因素使得需要识别的图像背景越来越复杂，交通系统的压力也越来越大，从而智能交通系统也成为了图像处理人工智能领域的一个热点项目。车牌号码的识别是智能交通系统的重要组成部分，其主要功能是从视频监控视频（实时处理或录像）中分析并且处理采集到的图像，捕获到含有汽车牌照的关键帧，对这类帧进行识别处理，依次对图像中车牌的位置进行定位，对定位好的车牌进行旋转，切分等操作，最后对切分好的单个字符进行识别，从而提取出汽车牌照的完整信息。这套系统在出入控制路口，高速公路收费站，公路流量监控，违章车辆监控等方
19、面都可以使用。只要是可以放置摄像头或照相机的地方都可以方便的应用。综上所述，对车牌识别技术的研究以及相关应用系统的开发都具有重大的现实意义以及实用价值，同时也拥有广大的商业应用前景。本文采用的基于BP(Back-Propagation)神经网络进行字符识别是一种新的识别方法，它具有一些传统技术所没有的优点，如识别速度较快，分类能力强，且具有较好的容错性能和自学习能力。与其它方法相比， BP神经网络不需要了解网络的内部细节和过程，实现相对简单，还有自我改进和学习的优点，很容易为识别系统增加学习特性，易适应各种书写风格发生的变化。20世纪80年代中期，美国很多学者就完整地提出了反向传播学习算法，简
20、称为BP算法，BP算法因其良好的非线性映射能力和柔软的网络结构，目前已被广泛应用于模式识别、数据预测、图像处理等各个领域，它的理论发展也日趋成熟。近年来，人们围绕如何加速传统BP网络的收敛速度及尽量陷入局部最优解等问题做了大量的研究工作，并提出了许多改进的方案1-3。本文在详细研究BP算法及改进算法基础上，通过“车牌识别”4对标准BP算法和改进BP算法进行了比较研究。 字符图像模式是人们对要识别的字符图像的定义和描述，图像模式类是具有某些集合、纹理和数字描述体的共同特性样本客体的集合。图像模式识别是对表征事物或物理现象的各种形式的物理数据、图像信息进行处理和分析，以对图像进行描述、辨认、分析和
21、解释的过程。图像模式识别的研究是将图像处理、特征定义与变换、分类方法、数字计算等各种技术综合应用，自动的识别和分类物体图像中的几何目标、区域纹理和数学描述体的目标过程。一般的图像模式识别系统由5个基本模块组成，包括图像数据采集图像数据和预处理、特征建立及分析、分类器设计、模板匹配。任何一种模式识别方法的实现都需要由客体，首先要通过各种数据采集设备、数字图像摄像头、模拟图像A/D转换卡或者将各种物理变量转换为计算机能表达的二维或三维数字图像。这种由数字图像组成的空间为模式空间，计算机必须从这些众多的图像数字信息中抽取和提炼重要和简约有效的特征信息，这在系统处理的前期需要包括消除噪声、分离背景、图
22、像分割等级是处理，去掉一些非重要的信息，然后对识别样板的物体或者区域的特征进行分析计算和交换，采用合理的方法和技术对特征进行选择。提取和训练以建立和形成模式的特征库，对待识别的样本模式分类和模型匹配在已经建立的特征空间和特征样本库的基础上依据合理的分类器方法而得到的结果。一般的图像模式识别系统主要下例部分组成：图像信息获取、图像预处理、图像特征提取、识别结果输出。通常的图像识别系统具体的模块构成如图1-1所示。图1-1 图像识别系统模块构成车牌字符识别涉及模式分类，图像处理，神经网络等多方面的技术。与一般的印刷体字符识别相比，有其自身的特点，它实际上是对依附在车牌上的印刷体文字进行识别。车牌字
23、符识别技术，是文字识别技术与车牌图像自身特点协调兼顾的综合性技术。由于环境光照的强弱程度以及色彩、车牌的整洁度、摄像机的J性能、拍摄时的车辆牌照的倾斜角度、镜头轴线与车牌法线的夹角以及车辆运动等因素的影响使牌照中的字符可能出现比较严重的模糊、歪斜、缺损或污迹干扰，这些都给字符识别带来了难度。40年代以来，人们在研究人脑机理的基础上，广泛开展模仿脑模型的人工神经网络理论的研究。由于人工神经网络具有与人脑相似的高度并行性、良好的容错性和联想记忆功能、自适应和自学习能力等特点，特别是以改进型BP网络为代表的神经网络具有良好的自学习能力、强大的分类能力、容错能力和鲁棒性，可以实现输入到输出的非线性映射
24、，因此神经网络在字符识别领域得到越来越多的应用5。在日常生活中，大量的数字化信息需要进行手工录入，耗时且由于长时间工作引起疲劳不可避免地产生差错，日益成为阻碍信息化发展的瓶颈问题。如何将人们从这种烦琐的简单重复劳动中解放出来，是模式识别领域中的一类重要问题6。近年来，随着国民经济的蓬勃发展，高速公路、高等级公路及大型停车场越来越多，汽车的数量也在猛增，这就给交通管理提出了更高的要求。因此，汽车牌照的自动识别技术在公共安全及交通管理中具有特别重要的实际应用意义。目前，国内外汽车牌照的识别技术有IC卡识别技术、条形码识别技术、图像处理技术、人工神经网络识别技术7。前面三种方法存在着使用成本高、识别
25、速度慢等缺点。由于人工神经网络识别技术有良好的自适应性、自组织性，很强的学习功能、联想功能、容错功能、识别率高、抗干扰能力强等优点，因此越来越多地受到人们的广泛关注与应用。目前广泛采用的是基于BP算法的多层前馈神经网络。1.1.2 研究意义随着图像处理和识别的技术和计算机、多媒体、智能机器人、专家系统的不断发展，越来越多的系统应用了图像模式识别技术，如图像模式识别在气象分析，工业生产应用，交通信息管理，农业生产应用，医学分析，生物信息检测，文字信息处理等方面得到了广泛的应用8。1. 图像模式识别应用一 该模式识别已经在天气气象预报分析，卫星遥感图片分析，自然灾害预测等方面得到了广泛的应用。2.
26、 图像模式识别应用二 该模式识别在工业生产和质量检验等方面得到了实际应用9。图纸扫描识别系统可将手绘图纸和蓝图转换为矢量图形输入到诸如AUTOCAD绘图系统中，加工工作面表面质量的图形化检测使工作效率大大提高，基于图像分析的流水线上的啤酒质量检测系统极大地提高了工作效率。3. 图像模式识别应用三 该模式识别在交通信息管理方面得到了积极的应用，车辆智能化，信息化的管理在很大程度上都得益于模式识别技术的进步，车牌自动定位和识别系统，车辆流量分析系统，驾驶员面部状态分析系统，交通标记自动识别和分析系统，车轮轴承红外图像分析系统都为交通信息智能化，交通安全运行提供了技术支持。4. 图像模式识别应用四
27、该模式识别在农业生产中得到了广泛的应用，基于卫星图像的土壤分析，水利资源利用，农业灾害预测得到广泛应用，基于图像的流水线上的葡萄干的分线择选系统大大提高了产品质量和生产效率。5. 图像模式识别应用五 该模式识别在医学图像分析统计方面得到了成功应用，红血球，白血球识别和计数系统大大减轻了医疗检测人员的工作负担，B超图像病理组织自动分析系统提高了诊断效率，红外乳腺检测系统为预防妇科疾病发挥了巨大作用。6. 图像模式识别应用六 该模式识别在生物信息处理方面有了非常大的进展，语音识别，指纹识别，字迹鉴定，虹纹分析，掌纹识别系统为特种金融行业和安全系统提供了非常重要的辨别工具。7. 图像模式识别应用七
28、该模式识别在信息处理方面取得了实际意义的应用，印刷体识别录入系统，手写数字输入系统，以画草图方式的工程图纸输入系统使信息交流跨越了媒体间的距离10。车牌字符识别技术的根本性在于自动识读出车辆的唯一身份证，车牌号码，是车辆管理的直观依据，对车辆车牌的直接识别，符合车辆管理的需要，同时，由于不需要被识别车辆主动参与，管理全面、与法律无冲突，摆脱了人工查看图片识读车牌号码的工作，由于这一智能化的技术，顿时使车辆管理的技术水平跨上了一个新台阶，虽然任何车辆管理系统最终都不可能完全摆脱人的参与，但毕竟在降低人工劳动强度、提高管理效率、增加管理的客观性方面起到了巨大的推动作用。随着越来越多的家庭开始拥有车
29、辆，车牌识别系统为自动化的智能交通管理、智能物业管理提供了高效、实用的手段。1.2 研究内容及方法1.2.1 研究内容车牌照识别是智能交通系统的一个重要课题，在车辆管理、不停车收费等系统中有广泛应用。目前，基于神经网络的字符识别技术在车牌照识别领域中已经得到比较普遍的应用，但是由于车牌字符识别算法的相对复杂性，因此我们需要设计一种改进算法来提高车牌照识别系统的鲁棒性和实时性。具体方法过程如下。 1. 对输入的字符图像（包括数字和英文字母）进行字符特征提取；2. 通过神经网络方法训练样本和自学习，识别字符并给出结果；3. 设计一种改进算法以提高字符识别的精确度和快速性。1.2.2 研究方法车牌的
30、识别问题是现代交通工程领域中研究的重点和热点问题之一。本文主要对车牌字符的识别作了详细介绍，对识别过程中的一些关键技术进行了概述。1. 首先对车牌字符的预处理(包括图像灰度化、图像二值化、图像反白处理)作了简单的介绍，然后对其进行特征提取提取；2. 最后就是对处理好的字符进行识别。本文采用了两层层BP神经网络识别方法，对神经网络的构成、学习规则、BP算法及网络的设计与训练作了详细的介绍。 神经网络模式识别方法是字符识别的一个重要研究方向，本文选取的网络模式是两层层BP网络，除此之外，径向基网络、Hopfield网络、ART网络在模式识别中的应用也非常广泛，可考虑将BP网络与其它不同网络结合起来
31、进行识别，以期得到更高的网络识别性能。训练样本的选择对神经元网络的识别结果有着重大的影响，因此，合理地选择训练样本，并采用更加合理的最优化算法使神经网络的收敛速度进一步的提高。1.3 字符图像识别的总体方案设计字符图像识别，可以认为是字符图像的模式识别，它是模式识别技术在图像领域中的具体运用。模式识别的研究对像基本上可概括为两大类：一类是有直觉形象的如图像、相片、图案、文字等等;另一类是没有直觉形象而只有数据或信息波形的如语声、心电脉冲、地震波等等。但是，对模式识别来说，无论是数据、信号还是平面图形或立体景物都是除掉它们的物理内容而找出它们的共性，把具有同一共性的归为一类，而具有另一种共性的归
32、为另一类。模式识别研究的目的是研制能够自动处理某些信息的机器系统，以便代替人完成分类和辨别的任务。本文的字符识别系统可分为5个主要部分，如图1-2所示。图1-2 字符图像识别的简单框图第一部分是字符图像的读取，就是在测试库里面读入字符图像，相当于对被识别字符图像信息的获取，对字符图像识别来说，就是把字符图像等信息系统输入设备数字化后以备后续处理。第二部分是图像的预处理。预处理的目的是去除干扰、噪声、及差异，将原始图像变为适合于计算机进行特征提取的形式。它包括图像的灰度化、二值化、归一化、图像反色处理等。第三部分是字符图像的识别，本文采用的基于BP神经网络进行字符识别的方法，它具有一些传统技术所
33、没有的优点，如识别速度较快，分类能力强，且具有较好的容错性能和自学习能力。与其它方法相比， BP神经网络不需要了解网络的内部细节和过程，实现相对简单， 而其人工神经网络识别技术有良好的自适应性、自组织性，很强的学习功能、联想功能、容错功能、识别率高、抗干扰能力强等优点，因此越来越多地受到人们的广泛关注与应用。目前广泛采用的是基于BP算法的多层前馈神经网络。第四部分是识别结果的输出，即通过神经网络对字符进行识别后输出字符识别的结果。第五部分就是时间输出，即字符图像在经过处理到识别出结果的时间。1.4 本文结构安排在基于神经网络车牌照字符识别方法中，最主要的核心就是字符图像的预处理、神经网络方法训练样本和自学习及识别字符并输出结果，因此第二章给出字符图像预处理基本理论和过程；在第三章则主要介绍了神经算法以及字符识别过程，第四章主要是对系统参数进行分析；第五章则是对本系统界面作了简单的介绍。第2章 图像预处理2.1
