学位论文 > 优秀研究生学位论文题录展示
一种基于梯度模板特征的车牌识别算法
作 者: 舒禹程
导 师: 沈刚
学 校: 华中科技大学
专 业: 软件工程
关键词: 车牌定位 车牌字符识别 梯度模板特征
分类号: TP391.41
类 型: 硕士论文
年 份: 2011年
下 载: 30次
引 用: 0次
阅 读: 论文下载
内容摘要
随着社会经济的持续发展,我国机动车数量处于较高的增长速度。然而交通运输领域的基础设施建设还远远落后于车辆数量的快速增长,由此造成了一系列的社会问题,交通拥堵已成为大中城市的普遍现象。为了提高交通资源的利用率,提升交通运输效率,缓解交通堵塞,降低能源消耗,智能交通系统(Intelligent Transportation Systems,ITS)成为各国的热点研究问题,受到了广泛的重视,发展十分迅速。车辆牌照识别(license plate recognition,LPR)作为智能交通中的一个重要概念,是实现交通监控与管理自动化的主要技术之一。而其作为一种重要的信息获取手段,能为交通监控与管理系统提供重要的数据信息。车辆牌照的识别一般包括车牌定位,车牌字符识别与相关的图像处理三个主要部分。在车牌定位的研究中,提出了使用梯度模板特征进行车牌精确定位与模板分割的算法。该算法关注于车牌区域的总体结构特征,能够获得较高的定位精度。同时,分析了Cascade分类器级联算法在车牌定位工作中的应用,进而构成了具有较高定位精度与效率的车牌定位分类器。在车牌字符识别的研究中,使用了基于像素连通域生长的车牌倾斜校正算法对车牌图像进行校正。使用基于字符统计特征与几何特征的联合特征对车牌字符进行了识别。经实验表明,提出的车牌定位算法具有较高的精确性与可靠性,粗定位成功率为95.4%,精确定位成功率为92.3%,定位速度为每幅图300~500ms。而且对于对比度很低,车牌被污染等情况有较高的鲁棒性。在车牌识别实验中,字符识别算法的车牌整体识别率为93.59%,字符识别率为98.47%,均达到了比较理想的水平。
|
全文目录
摘要 3-4 Abstract 4-8 1 绪论 8-12 1.1 研究背景及意义 8-10 1.2 国内外研究状况 10-11 1.3 本文工作与组织结构 11-12 2 车牌识别相关研究 12-18 2.1 车牌识别模型 12-13 2.2 图像处理相关算法 13-17 2.3 本章小结 17-18 3 车牌识别算法设计 18-38 3.1 基于机器学习的车牌定位算法 18-22 3.2 车牌定位特征选取 22-26 3.3 车牌字符定位与分割算法 26-35 3.4 车牌字符特征选取 35-37 3.5 本章小结 37-38 4 实验设计与分析 38-48 4.1 实验环境 38 4.2 LIBSVM 的移植 38-39 4.3 实验及分析 39-47 4.4 本章小结 47-48 5 总结与展望 48-50 5.1 全文总结 48 5.2 展望 48-50 致谢 50-51 参考文献 51-54
|
相似论文
- 车牌识别系统中车牌定位算法的研究,TP391.41
- 复杂背景下车牌定位的研究与设计,TP391.41
- 基于CNN的智能交通系统多车牌定位方法的研究,TP391.41
- 基于车牌识别技术的智能交通系统的设计与实现,TP391.41
- 基于SVM的车牌字符识别算法研究与实现,TP391.41
- 高速卡口车辆牌照检测与相关信息识别,TP391.41
- 高清图像中基于车牌定位的车辆跟踪和违章检测,TP391.41
- 复杂背景下号码识别及其应用研究,TP391.41
- 汽车牌照自动识别方法的研究,TP391.41
- 车牌识别系统及其硬件实现的研究,TP391.41
- 基于数字图像处理的车牌定位算法的研究,TP391.41
- 车牌字符自动识别方法的研究,TP391.41
- 基于图像处理的车牌识别算法研究与仿真,TP391.41
- 车牌识别系统中车牌定位算法的研究,TP391.41
- 数字图像处理在车辆牌照识别中的应用研究,TP391.41
- 遗传神经网络在车牌识别系统中研究及应用,TP391.41
- 基于神经网络的新型车牌识别技术研究,TP391.41
- 自动车牌定位及字符分割研究,TP391.41
- 车牌自动识别系统的研究和实现,TP391.41
- 彩色图像车牌提取技术研究,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|