需要金幣： 2000 個金幣 |
資料包括：完整論文 |  |
 |
| 轉(zhuǎn)換比率：金額 X 10=金幣數(shù)量， 例100元=1000金幣 | 論文字?jǐn)?shù)：12557 |  | |
| 折扣與優(yōu)惠：團(tuán)購最低可5折優(yōu)惠 - 了解詳情 | 論文格式：Word格式(*.doc) |  |
摘要：車牌識別技術(shù)(VLPR)是通過計算機(jī)對車牌圖像進(jìn)行識別分析，進(jìn)而確定車牌號碼的計算機(jī)技術(shù)，也是智能交通系統(tǒng)的前端技術(shù)。本文研究分析了該技術(shù)的各部分所使用的相關(guān)算法，并比較了的優(yōu)缺點(diǎn)，根據(jù)需求確定了各部分算法，并使用 MATLAB 語言進(jìn)行編程，實現(xiàn)了系統(tǒng)中圖像預(yù)處理、車牌定位、字符分割和字符識別的具體功能，完成了車牌識別系統(tǒng)軟件設(shè)計。 本文主要研究內(nèi)容包括以下幾個部分： （1）基于車牌區(qū)域顏色和紋理的牌照定位方法是通過在很多國內(nèi)外車牌圖像定位過程中使用的方法分析才得出來的結(jié)果，該方法實現(xiàn)車牌的工作原理是對車輛的圖像進(jìn)行梯度處理，在該過程中通過對比查找檢測到的圖像極值點(diǎn)與漢字的筆畫構(gòu)造對應(yīng)的特征向量最后達(dá)到定位車牌的目的。 （2）車牌字符分割模塊則是利用雙線性插值算法來對車牌進(jìn)行縱向投影，投影的基礎(chǔ)內(nèi)容包括車牌文字占據(jù)的寬度高度以及其中的間隔等等，然后利用投影的結(jié)果通過切分單獨(dú)字符并且進(jìn)行歸一處理字符的方式識別車牌信息。 （3）現(xiàn)在的單個字符圖像識別會采用基于模板匹配和基于 BP 神經(jīng)網(wǎng)絡(luò)等兩種不同的算法，相對于稍微改進(jìn)獲取字符特征方式的模板匹配的算法，BP 神經(jīng)網(wǎng)絡(luò)的算法在算法的各個方面都表現(xiàn)出優(yōu)越性。
關(guān)鍵詞： 車牌識別；字符定位；字符切割
目錄 摘要 ABSTRACT 第一章 緒 論-1 1.1 車牌識別技術(shù)的研究目的及意義-1 1.2 國內(nèi)外研究現(xiàn)狀-2 1.3 車牌識別系統(tǒng)的構(gòu)成-2 第二章 牌照區(qū)域提取研究-4 2.1 車牌區(qū)域定位-4 2.2 車牌圖像分割-5 第三章 車牌字符分割方法-10 3.1 車牌圖像傾斜矯正-10 3.1.1 傾斜矯正方法簡介-10 3.1.2 本文使用的傾斜矯正方法-11 3.2 車牌圖像的分割-12 3.2.1 傳統(tǒng)的車牌圖像分割方法-12 3.2.2 本文使用的車牌圖像分割方法-13 第四章 基于神經(jīng)網(wǎng)絡(luò)的字符識別-15 4.1 字符識別概述-15 4.3 神經(jīng)網(wǎng)絡(luò)設(shè)計-17 4.4 BP 神經(jīng)網(wǎng)絡(luò)訓(xùn)練-19 第五章 總結(jié)-20 參考文獻(xiàn)-24 致 謝-22 附 錄-23 |
