圖像處理和神經(jīng)網(wǎng)絡(luò)在車牌定位中的運(yùn)用.pdf

1、該論文是江蘇省交通廳智能運(yùn)輸系統(tǒng)(ITS)的一部分.作為ITS研究重要組成部分之一的車牌自動(dòng)識(shí)別是一個(gè)值得深入研究的課題.論文針對(duì)車牌識(shí)別中的關(guān)鍵部分——車牌定位部分作了較為深入的研究并嘗試了多種車牌定位方法,希望從中得到較為完善的車牌定位解決方法.首先使用圖像處理方法進(jìn)行車牌區(qū)域定位的研究.針對(duì)以前車牌圖像定位效果不佳的情況,該文把現(xiàn)有一階水平差分加投影方法改進(jìn)為結(jié)合一階雙向差分和Hough變換的定位方法,實(shí)驗(yàn)證明改進(jìn)后的方法簡(jiǎn)單快速

2、有效且定位效果較前有相當(dāng)提高.然后使用人工智能和神經(jīng)網(wǎng)絡(luò)的方法進(jìn)行車牌區(qū)域定位的研究.在神經(jīng)網(wǎng)絡(luò)方面,該文用BP神經(jīng)網(wǎng)絡(luò)直接感知灰度圖像信息從而定位車牌區(qū)域,提高了系統(tǒng)容錯(cuò)性和實(shí)時(shí)性;在人工智能方面,該文構(gòu)造簡(jiǎn)單易行且能夠表征車牌區(qū)域特征的適應(yīng)度函數(shù),使用遺傳算法進(jìn)行定位,從而使車牌定位與人工智能緊密結(jié)合.經(jīng)驗(yàn)證這些基于人工智能和神經(jīng)網(wǎng)絡(luò)的方法對(duì)多種質(zhì)量的車輛圖像,包括較低質(zhì)量的圖像,均能取得較為理想的定位效果.最后文章比較了上述定位方