基于AdaBoost和BP神經網絡的車牌識別方法研究.pdf

1、伴隨著城市交通不斷發(fā)展，汽車總量也在不斷增多，智能化的交通管理是未來智慧城市建設的主要方向之一，而車牌識別技術是智能交通管理的基石。該技術可以應用到交通運輸調度管理，車輛自動化管理和監(jiān)控。這將在減少車輛管理人工成本，提高社會運行效率方面產生積極的意義。
　　在各類車牌字符識別方法中，BP神經網絡因具有很強的魯棒性、容錯性和自適應學習能力，同時提供了并行處理和并行分布信息的能力，因此廣泛地被用作車牌字符識別算法。但該算法也存在一定的

2、局限性。本文對基于BP神經網絡的車牌字符識別方法進行相關研究與改進，主要工作及成果如下：
　?。?）本文采用層次化的處理方式實現車牌的逐級定位，通過不斷地縮小目標來增加定位的準確性。首先利用車牌紋理特征對車牌進行檢測和粗定位。然后利用Hough變換對可能發(fā)生傾斜的車牌傾斜校正，粗定位的車牌往往具有比較完整的邊框，Hough變換比較容易檢測邊框的所在的直線。最后利用彩色圖像的HSV顏色模型分析了車牌底色，并提出了一種基于FloodF

3、ill算法的車牌精確定位，得到無邊框的車牌區(qū)域。
　?。?）通過對比分析多種圖像二值分割方法，結合車牌的顏色特征，提出了一種基于顏色相似聚類（Color Similarity Clustering）算法用于車牌圖像的二值分割。然后分析常用車牌字符分割算法并利用垂直投影方法對車牌字符進行了分割。最后利用重心法對字符圖像進行位置歸一化，同時利用雙線性插值對字符進行尺寸的歸一化。
　　（3）介紹了常用字符特征提取方法，并分析了每種