河南科技学院新科学院2012届本科毕业论文基于神经网络的车牌数字识别学生姓名：所在系别：信息工程所学专业：信息工程导师姓名：完成时间：2012.5.10基于神经网络的车牌数字识别摘要随着城市交通管理现代化水平的提高，建立在车牌照识别基础上的交通信 号自适应控制系统、智能交通监控系统、GPS车辆管理以及导航系统、停场自动 收费系统、智能化交通管理系统应运而生。由于车牌照是机动车辆管理的主要 标志符号之一，因此，对车牌照数字识别系统的研究也就尤为重要，该设计的 核心是提高车牌识别率，这需要识别算法能够对环境光照条件，拍摄位和车辆 行驶速度等因素的影响有较大的鲁棒性，并能够满足实时性的要求。本文运用不同于现今传统的方法，而是结合当前比较热门的神经网络来对 图像进行预处理，得到了比较突出的车牌信息。然后结合车牌照自身的一些固 有特征，进行了车牌区域的准定位；对定位得到的车牌，再次结合车牌照内部 细节特征，对车牌进行投影，而得到了车牌比较完整的分割。最后在车牌字符 识别阶段，以现今比较流行神经网络为理论基础，有效的设计出一个改进的神 经网络识别算法。结果表明采用本文提出的通过神经网络从车牌数字处理到最 后识别的算法能够有效地提高车牌识别率。关键词：数字图像处理，车牌识别，字符识别，神经网络Based on neural network of license plate number recognitionAbstractWith the rapid development of domestic traffic management, there are a lot of systems, including traffic signal automation management system, intelligence traffic monitor system, GPS, automation parking toll system, and intelligence traffic system, which arc apply to the practice based on the license plate recognition. Because license plate is a important part of vehicle management system, therefore, it is necessary to research license plate system The core of arithmetic of license plate system is how to improve the recognition, and this needs to adapt the environment, light, location the speed of cars, and the requirement of rapid processingI adopt artificial neural network (ANN) to preprocess the image o Then I get the information of license plate in evidence To locate the license plate I use the inherent features of license plate and then use mathematical morphology to locate the license plate accurately; according to the inside features of locating license plate, I pop the plate-area out by project the license plate; The last step is characters recognition, ANN is the key tool in recognition. So I design an improved neural network to segment the characters 1 get the whole license plate recognition through these steps The result of emulator proves that my arithmetic can improve the rate of recognition effectivelyKEY WORDS: Digital Image Processing, License Plate Recognition, Character Recognition, Neural Network.1绪论11.1论文研究的背景与意义11.2论文研究的现状及分析11.3论文研究的主要内容22.车牌定位与提取22.1数字图像处理22.1.1车牌字符预处理22.1.2图像增强32.1.3中值滤波42.2车牌定位方法42.2.1二值化处理及统一背景色52.3车牌照几何位置的调整63车牌照字符分割及特征提取63.1字符分割的模板匹配法73.2字符图像归一化处理73.3车牌字符的特征提取74基于多个自编码神经网络的重构识别方案84.1自编码神经网络理论84.1.1自编码神经网络的预训练94.1.2自编码神经网络的展开与微调104.2基于多个自编码神经网络的车牌字符重构识别方案114.3实验分析与结论13结束语15参考文献16致谢171绪论1.1论文研究的背景与意义智能交通管理系统是二十一世纪以来道路交通管理的发展趋势，随着高速公 路的不断发展和车辆管理体制的不断完善，为以图像识别为基础的智能交通管理 系统进入实际应用领域提供了契机。在智能交通管理系统中，汽车牌照识别系统 是一个核心的发展方向，汽车牌照识别(license plate recognition简称LPR)系统 是一种能够自动实时地检测车辆经过和识别汽车牌照字符的智能系统，它具有广 泛的应用前景。车牌识别系统作为智能交通的核心，在高速公路、城市道路和停 车场等项目管理中占有了举足轻重的作用，因而，车牌识别的研究具有极其重要 的现实意义。LPR所涉及的研究方向较多，其主要有数字图像处理、模式识别、神经网络 等。近年来基于神经网络的车牌识别系统得到快速的发展，并取得了良好的实用 效果。车牌字符有统一的规格，经过一系列算法和技术处理之后，会造成字符的 断裂和粘连，而神经网络技术采用模拟生物神经网络模型，能较好的实现人类存 储知识及处理信息的机能，使系统可以模拟人类思维，对需要解决的问题进行记 忆、联想和推理，从而能较好的解决车牌字符识别中缺损和粘连的字符；此外， 神经网络可以免去传统方法中繁重枯燥易出错的数据分析和数学建模工作，可以 并行处理，大大提高识别速度，因此基于神经网络的车牌数字识别技术对车牌字 符的识别效率更高，更迅速，对智能交通管理系统具有深远的影响和意义。1.2论文研究的现状及分析目前国内外有许多学者对车牌识别技术进行着深入广泛的研究，提出了很多 新颖快速的方法。小波变换车牌定位法、边缘图像的车牌定位法、自适应滤波算 法等等。针对识别实时性不能满足的问题，有人提出采用分布式计算机进行处理， 但由于该方法所涉及的系统交互过于复杂，实施难度大，代价高，目前的条件还 无法采用。准确快速的定位车牌是LPR系统的难点，在实际应用中，车辆图像中 的噪声、光照均匀程度以及复杂多变的背景都会加大车牌定位的难度。现有大量 技术和算法可供字符识别使用，如小波变换DFT(Discrete Fourier Transform) DCT(Discrete Cosine Transform)等信号处理技术，同时形态学理论、神经网络和 遗传算法也得到一定程度的研究应用。有研究表明：神经网络、模糊理论和遗传 算法的综合使用在字符识别中能取得较好的识别结果。其中，神经网络免去了传 统方法中繁重枯燥易出错的数据分析和数学建模工作，可以并行处理，很大程度 上提高识别效果，因此受到众多学者的关注。1.3论文研究的主要内容由于车牌字符识别技术涉及到了数字图像处理、机器视觉、模式识别、神经 网络等方面的知识，并且神经网络具有较强的自组织学习能力、容错性、鲁棒性 及非线性处理等优点，所以本文的主要内容是对数码相机拍摄的二维车牌图像进 行基于神经网络的车牌数字识别系统的研究，并重点研究神经网络技术在车牌自 动识别系统中的应用。在此基础上，对车牌数字识别算法的实现方法主要包括 车牌定位和字符分割、特征提取、神经网络分类器等模块进行了较详细的研究， 各个阶段的详细设计方案如图1。图像预处理车牌定位4字符分割r字符输出神经网络特征提取图1车牌字符识别设计方案2.车牌定位与提取2.1数字图像处理本文采用到的数字图像技术涉及到了图像灰度化、灰度变换、图像增强和图 像边缘检测等，下面逐讨论。2.1.1车牌字符预处理在对字符样本进行特征提取前，首先进行彩色图像灰度化、亮度归一化和尺 度归一化处理。灰度化是采用三色等权灰度处理方法；尺度归一化采用双线性差 值法来完成图像尺寸的缩放；亮度归一化方法是通过对图像的灰度直方图进行修 正，使图像达到规定的均值和方差，进而完成图像的亮度归一化。本文中，规定 的均值和方差分别为120和100。车牌字符预处理的目的主要是使各种不同条件 获得的车牌图像能够在识别时处在一种比较稳定平衡的条件下，以利于提高识别 效果。汽车牌照中的字符主要由有限汉字、字母和数字组成，采用固定的印刷体 格式。由于下列主客观原因会使车牌字符发生畸变，从而造成识别上的困难。(1) 光照、气候引起的车牌图像上字符光照不均。(2) 车牌本身污损造成的字符笔画不清和字符间粘连。(3) 汽车行驶速度较快，使拍摄出的车牌字符产生变形、模糊不清。(4) 牌照本身具有不同的颜色，有蓝底白字、黄底黑字、白底红字、白底黑 字和黑底白字等几种类型。(5) 拍摄角度及拍摄点的高度、路面的倾斜等情况造成了车牌图像的倾斜。 因此，为提高牌照的字符识别率，有必要设计一个高效的预处理算法，对以上各 种原因造成的字符畸变进行统一的处理，以便得到较为清晰的待识别的单个字 符。2.1.2图像增强对于上述第一条，由于白天与夜晚、晴天与阴天的光线强度存在很大的差异, 在某些情况下拍摄的车牌照会出现对比度不足的现象，使得图像细节分辨不清， 严重干扰字符的识别效果。因此对于这类车牌照必须进行图像增强，而这种图像 增强处理应尽可能的避免对正常的牌照产生干扰，因此可采用基于点运算的图像 增强方法，即是对图像的灰度级进行变换。使图像对比度得到一定的调整，从而 达到图像增强的目的其中，以直方图均衡法实验效果最为理想，他不仅使光 照不均的牌照变得清晰，而且对正常车牌照进行同样的处理后也能够得到较清晰 的结果。直方图均衡法是把已知灰度概率分布的图像，经过转换最终演变成具有 均匀灰度概率分布的图像。假设一幅图像的象素总数为N,分为L个灰度级，用 Nk代表灰度级为出现的频数，于是第k个灰度级出现的频率为：，0 1, k=0,l,2.,L-L各灰度直方图均衡离散变换公式：= (1)因此，可根据原图像的直方图统计量，求得均衡后各象素灰度变换的值。处 理前后的车牌照灰度图比较如下图2所示。(a)处理