基于構(gòu)造性學習的車牌定位與識別系統(tǒng)研究.pdf

1、安徽大學碩士學位論文基于構(gòu)造性學習的車牌定位與識別系統(tǒng)研究姓名：段震申請學位級別：碩士專業(yè)：計算機應用技術指導教師：張鈴20040101摘要隨著汽車普及率的提高和公路交通需求的增加，交通問題F1益突出，利用計算機技術來對交通進行有效管理和控制的智能交通系統(tǒng)H益受到人們的重視。在智能交通系統(tǒng)中，車牌的定位和識別是兩項關鍵的技術，可以應用于多種場合，具有廣泛的應用前景。本文基于構(gòu)造性的覆蓋算法，將神經(jīng)網(wǎng)絡技術和傳統(tǒng)的圖像處理技術相結(jié)臺，對車

2、輛牌照的定位和識別進行了較為深入的分析和研究，力求在圖像中存在較多干擾因素的情況下仍然能夠較好的定位車牌并給出最終的謅別結(jié)果。論文主要工作和創(chuàng)新點如下：1對傳統(tǒng)的紋理定位方法進行了分析，在此基礎卜提出了’阡疑區(qū)域的概念，從圖像中提取出若干可能的位置去進行F一步的處理，從『『fj將原先一步到位的過程轉(zhuǎn)變?yōu)橐粋€由粗及細的分析過程，降低了早期的誤判率；2將構(gòu)造性的覆蓋算法應用于牌照的定位，在對這些區(qū)域進行分析后提取出各自的特征并進行學習，構(gòu)造

3、出相應的神經(jīng)網(wǎng)絡，用柬排除假的干擾i墨域，同時結(jié)合圖像的顏色信息來對dH期的定位結(jié)果進行修IF，最終得到IF確的車孵位置；3，在字符的識別過程中，在使用較為簡單的圖像處理技術的基礎匕，仍然使用構(gòu)造性的覆蓋算法，依靠神經(jīng)網(wǎng)絡強大的分類能力柬對車牌字符進行識別；4探討了在樣本數(shù)量較少的情況下，通過在字符識別過程中引入附加樣本的技術，利用先驗知識對原先的樣本集進行擴充，從而提高剛絡的性能：從實驗的結(jié)果來看，本文所使用的方法能夠較為準確的從車牌