学位论文 > 优秀研究生学位论文题录展示

遗传神经网络在车牌识别系统中研究及应用

作　者: 顾晶晶
导　师: 曹杰
学　校: 南京航空航天大学
专　业: 通信与信息系统
关键词: 图像处理高帽变换遗传算法人工神经网络车牌定位字符识别
分类号: TP391.41
类　型: 硕士论文
年　份: 2010年
下　载: 62次
引　用: 0次
阅　读: 论文下载

内容摘要

近年来,随着我国城市智能交通系统的发展,车牌识别系统作为城市交通系统中信息采集的一种手段,在快速发展的同时仍存在一些不足。本文首先对LPR中几大关键技术进行全面的论述,并将其中的车牌定位技术和字符识别与遗传算法及神经网络相结合,在国内外车牌识别系统的基础上,结合我国车牌特点提出了新型的车牌识别系统,该系统可有效提高车牌定位的准确率和识别运算效率。本论文主要包括以下三个方面:(1)根据车牌区域灰度和颜色特征,提出了基于灰度和数学形态学运算的定位改进算法,以及基于颜色特征的定位改进算法。通过合理构造适应度函数,将遗传神经网络算法应用到车牌定位领域中;(2)针对当前各种主流算法在车牌定位和倾斜校正部分的不足,将Hough变换方法用于确定车牌的倾斜角度,提出了较为有效的改进算法并与原算法进行了对比;(3)分析和比较了模板匹配和神经网络方法的优缺点,将模板匹配与BP(Back Propagation)神经网络相结合,设计了数字、字母、数字和字母混合及汉字分类器的三层前馈网。改进后BP算法比一般的算法在网络收敛速度方面更快,极大地缩短了网络训练的使用时间。实验结果证明:该方法对相似字符的识别是非常有效的,准确率也得到了很大的提高。

全文目录

摘要  4-5
ABSTRACT  5-9
图表清单  9-11
注释表  11-12
第一章绪论  12-16
  1.1 课题的背景及现实意义  12
  1.2 技术背景及研究现状  12-14
  1.3 系统实现的软件平台  14
  1.4 本文研究的主要内容  14-15
  1.5 本文结构框架  15-16
第二章遗传神经网络与图像预处理  16-31
  2.1 遗传算法  16-19
    2.1.1 基本原理与流程  16-17
    2.1.2 染色体编码与解码  17
    2.1.3 个体适应度的检测评估  17-18
    2.1.4 遗传算子  18-19
    2.1.5 数学模型及运行参数  19
  2.2 人工神经网络  19-23
    2.2.1 人工神经网络的神经元模型  19-21
    2.2.2 人工神经网络的基本模型和特点  21-22
    2.2.3 人工神经网络的应用领域  22
    2.2.4 几种常见的人工神经网络  22-23
  2.3 图像的预处理  23-30
    2.3.1 图像的采集  23-24
    2.3.2 图像的运动模糊  24-26
    2.3.3 图像的灰度化及二值化  26-29
    2.3.4 图像的增强  29-30
    2.3.5 图像的滤波  30
  2.4 本章小结  30-31
第三章车牌定位算法的研究  31-61
  3.1 车牌图像的预处理  31-35
  3.2 颜色特征的车牌定位改进算法  35-38
  3.3 灰度特征的定位改进算法  38-43
    3.3.1 数学形态学  38
    3.3.2 算法实现  38-43
  3.4 基于遗传神经网络的车牌定位算法  43-59
    3.4.1 前期处理  43-45
    3.4.2 特征提取及适应度函数的构造  45-49
      3.4.2.1 车牌定位领域中现有的适应度函数构造方法  45-47
      3.4.2.2 改进的适应度函数构造方法  47-49
    3.4.3 遗传神经网络的研究应用  49-59
      3.4.3.1 遗传算法的相关应用  49-53
      3.4.3.2 神经网络的遗传优化  53-54
      3.4.3.3 遗传神经网络算法改进策略  54-56
      3.4.3.4 结构和权值同时优化的遗传神经网络的设计  56-58
      3.4.3.5 改进算法的进一步精校操作  58
      3.4.3.6 基于遗传神经网络车牌定位算法小结  58-59
  3.5 车牌定位三种算法的比较  59-60
  3.6 本章小结  60-61
第四章有关字符识别技术的研究  61-70
  4.1 字符识别的原理及主要方法  61-64
    4.1.1 字符识别的原理  61
    4.1.2 字符识别的主要方法  61-62
    4.1.3 字符特征选取  62-64
  4.2 基于BP 神经网络的字符识别算法  64-69
    4.2.1 模板匹配粗识别  64-65
    4.2.2 BP 神经网络字符识别  65-68
    4.2.3 算法改进与实现  68-69
  4.3 本章小结  69-70
第五章本文算法结果及车牌识别系统设计实现  70-74
  5.1 车牌定位的部分数据效果  70
  5.2 车牌定位算法的结果比较  70-71
  5.3 字符识别算法的实验结果  71-72
  5.4 车牌识别系统的设计与实现  72-73
  5.5 本章小结  73-74
第六章总论与展望  74-76
参考文献  76-80
致谢  80-81
在学期间的研究成果  81

遗传神经网络在车牌识别系统中研究及应用

内容摘要

全文目录

相似论文