BP神經(jīng)網(wǎng)絡(luò)的識別方法。在學(xué)習(xí)并掌握了數(shù)字圖像處理和模式識別的一些基本原理后，使用VC++6.0軟件利用以上原理針對車牌識別任務(wù)進(jìn)行關(guān)鍵詞：車牌定位；字符分割；BP神經(jīng)網(wǎng)絡(luò)；車牌識ResearchandRealizationofLicenseResearchandRealizationofLicensePlateRecognitionAbstract:Inrecentyears,withthevigorousdevelopmentofthenationaleconomy，therearemoreandmoreconstructinthedomesticexpressway,urbanroad,andparkingarea.Therequisitiononthetrafficcontrol,safetymanagementimprovesdaybyday.Therefore,licenseplaterecognitiontechnologyhastheparticularlyimportantpracticalapplicationvalueinthepublicsecurityandthetrafficcontrol.Inthepaper,apreliminaryresearchwasmadeonthelicenselocation,characterssegmentandcharactersrecognitionofthelicenseplaterecognition.Onthelicenselocation，theprojectionwasusedtolocatethelicenseplate;Onthecharacterssegmentation,theliminalrulewasusedtodividethecharacters;Inordertosolvetheproblemofthedigitalcharactersrecognitionintheplate,BPnervenetworkwasusedtorecognizethedigitalcharacters.Afterstudyingandmasteringsomebasicofthedigitalimageprocessingandpatternrecognition,thetasklicenseplatewasprogrammedwithVC++6.0usingaboveprinciples.Thelicenselocationandthecharactersrecognitioninthelicenseplatewere characters BPnerve license目錄第1章緒 目錄第1章緒 第2章車輛牌照的定位方 256色位圖灰度 灰度圖像二值 消除背景干擾去除噪 車輛牌照的水平定 車輛牌照的垂直定 定位的算法實(shí) 2.4實(shí)驗(yàn)結(jié)果分 3車輛牌照的字符分 3.1車牌預(yù)處 去邊框處 去噪聲處 梯度銳 傾斜調(diào) 算法介 算法的實(shí) 第4章特第4章特征提取與字符識 人工神經(jīng)網(wǎng)絡(luò)簡 BP神經(jīng)網(wǎng)絡(luò)識別車 BP神經(jīng)網(wǎng)絡(luò)識別算法實(shí) 4.4實(shí)驗(yàn)結(jié)果分 總 致 參考文 11.1課題研究背11.1課題研究背隨著汽車數(shù)量的急劇增加，車牌自動識別(licenseplaterecognitionLPR)技術(shù)日益1.2車輛牌照識別系統(tǒng)原1-1[3]。當(dāng)系統(tǒng)發(fā)現(xiàn)有車時，圖像采集系統(tǒng)便開始采集車輛牌照信息，得到的信CCDCCD攝像字符分顯字符識1-1車輛牌照識別系統(tǒng)原理框1.3車輛牌照識別在國內(nèi)外研究1988年以來，人們就對車輛牌照識別系統(tǒng)進(jìn)行了廣泛的研究，目前國內(nèi)外已LPR技術(shù)也開始用于車流監(jiān)控、出入控制、電子收費(fèi)LPRLPR產(chǎn)品都存在一定的局限性，都需要適應(yīng)新的要Hi-TechSee/CarSystem系列，它需要多種變形的產(chǎn)品OptasiaVLPRS系列，只適合于新加90年代初期開始了車輛牌照識別技術(shù)的研究。但由于以下幾個原因使我1.4本文主1.4本文主要工作及內(nèi)容符分割、特征提取、BP神經(jīng)網(wǎng)絡(luò)等算法。在車牌定位、字符分割和特征提取的基22-1所示。22-1所示。2-1車輛牌照定位原2.1車輛牌照圖像的預(yù)處2.1.1256RGBI0.229*RGBI0.229*R0.587G0.114*式(2-1)I(2-2.1.2用全局閾值分割的方法進(jìn)行處理，初始閾值T的確定方法是由式(2-2)GmaxGmin/T(2-背景基本被置為0，以突出牌照區(qū)域。2.1.32.1.32.2車輛牌照的定的顏色特征、幾何特征、紋理特征和經(jīng)過處理運(yùn)算后得到的車牌區(qū)域固有的特征(異1Hough變化檢測車牌周圍邊框直線。這種Hough變換計(jì)算量大，對于邊框不連續(xù)的實(shí)際車牌，需附加大量的運(yùn)2.3系統(tǒng)2.3系統(tǒng)采用的定位方位置，利用垂直投影和形態(tài)學(xué)的方法檢測車牌的垂直位置[8]2.3.1h'(n)h(n)h(n(2-個是毛刺。如何判決峰的獨(dú)立性呢？本文采取了3個判決依據(jù)：2.3.2（a）二值化圖（b）（a）二值化圖（b）2-276個低谷點(diǎn)，而且相鄰低數(shù)學(xué)形態(tài)學(xué)的數(shù)學(xué)基礎(chǔ)和使用的語言是集合論，其基本運(yùn)算有四種：膨脹(Dilation)、腐蝕(Erosion、開啟(Open)和閉合(Close?；谶@些基本運(yùn)算還可以推下以上4種運(yùn)算。^BABx^A ^A^A ^ABxB（2- （a）膨脹（b）膨脹2-3圖像膨脹前后的顯示效果對B來腐蝕記作AB，其定義為ABx|(B)x（2-x的集合，從直觀上看就是B經(jīng)過平移后全部包含在A中的原點(diǎn)組成的集合。（a）腐蝕（b）腐蝕2-4圖像腐蝕前后的顯示效開啟的運(yùn)算符為”，ABABAB(AB)（2-AB(A（2-（a）原（b）對原圖開啟操作（c）對原圖閉合操作圖2-5圖像的開啟、閉合操作的顯一個塊狀區(qū)域。如圖2-6所示。就有可能檢測不到車牌區(qū)域[10]2.3.3VisualC++C++語言對以上算法進(jìn)行編程，對車輛牌照進(jìn)行定位。實(shí)驗(yàn)中水平方向上的定位函數(shù)為HprojectDIB()；垂直方向上的定位函數(shù)為VprojectDIB()；定位以后分割過程所用的函數(shù)TempSubert()；iTopiBottom分別是車牌的上下邊緣，iLeft和iRight為車牌的左右邊緣。定出車牌的四個邊緣以后，就水平投影分割得到的圖腐水平投影分割得到的圖腐蝕運(yùn)算得第一次膨脹運(yùn)算得到的第二次膨脹運(yùn)算得到的2-6形態(tài)學(xué)變化得到2-7定位流程2.4實(shí)驗(yàn)結(jié)果分2.4實(shí)驗(yàn)結(jié)果分2-8定位前后的圖3車牌3車牌(sum[I]為從0到Width的范圍內(nèi)，二值化牌照圖像的白像素點(diǎn)數(shù))然后，將所有的該商，就令該sum[I]0。這樣直方圖中必有連零塊和非連零塊，測試每個非連零塊Height，Width為牌照圖像的高度和寬度)。3.1.21011M1M10（3-484811011M1M10（3-48481 01HH H （3-0 11233.1.3(x,y)的梯度可以表示為一個矢量f(x,yff(x,y)G xyxyf)3.1.3(x,y)的梯度可以表示為一個矢量f(x,yff(x,y)G xyxyf)GG1mag(22（3-2xy(x,y)arctan(Gy（3-3-1。在這三3-2所示。算子運(yùn)算時是采用類似卷積的方式，將模板11--(b)(c)3-1幾種常見的梯度模板算-1-2-1121---111----1-1-1（a）原始圖（b）利Roberts（a）原始圖（b）利Roberts（c）利Prewitt算子檢測到的邊（d）利Sobel3-2梯度算子的檢測效果比3.1.4CCD攝像機(jī)通常安裝在路邊或頂部，這將CCD3-33-43-5 軸與圖像坐標(biāo)系的水平x軸有x個傾斜角度，只要求取x軸旋轉(zhuǎn)即可。垂直傾斜時，傾斜實(shí)際上是同度，進(jìn)行水平傾斜校正，然后再求取垂直傾斜角度進(jìn)行垂直傾斜校正。水平傾））3-水平傾垂直傾斜）(b)垂直傾斜）3-垂水平傾））3-水平傾垂直傾斜）(b)垂直傾斜）3-垂直傾（a）水平垂直傾斜（b）水平垂直傾斜））3-水平3.2字符分割方法簡3.3系3.3系統(tǒng)采用的分割方3.3.1取的時候處理方便。建議歸一化的寬度為8，高度為16。3.3.23.3.2分割后的字符周圍畫邊框；StdDIBbyRec()函數(shù)用來實(shí)現(xiàn)歸一化處理；緊縮排列由函AutoAlign()完成。下面3-6分割算法的實(shí)現(xiàn)3.4字符分割實(shí)驗(yàn)結(jié)3.4字符分割實(shí)驗(yàn)結(jié)3-13中為了可以清楚的觀察字符的緊縮排列，歸一化的字符寬度1224（3-11816）3-7字符分割的3-8緊縮排列的結(jié)3-9車牌的字符分割3-10車牌的字符緊縮排列結(jié)44代入到訓(xùn)練好的BP網(wǎng)絡(luò)中，就可以對字符進(jìn)行識別。4.1字符的特征EveryPixel函數(shù)進(jìn)行處理就可以得到細(xì)化后圖像的特征向量矩陣。量，如果字符的寬度w，長度為h，則特征向量的維數(shù)是w+h。13特征提取法有著極好的適應(yīng)性，但是由于特征點(diǎn)的數(shù)目太少所以樣本訓(xùn)練的4.2字符的識別方法簡變換、Gabor變換、Hadamard變換、DCT變換、Walsh變換、Rapid變換、小波變換4.3系4.3系統(tǒng)采用的識別方4.3.1人工神經(jīng)網(wǎng)絡(luò)(ArtificialNeuralNetwork)BP算法由兩部分組成：信息的正向傳遞與誤差的反向傳輸。在正向傳輸中，輸設(shè)訓(xùn)練集包含Mp個訓(xùn)練樣本p1,2M)，單元為Opj，它的第i個輸入(也即第i個神經(jīng)元的輸出)為Opj，則：upjWjiOpiN（4-1 f(u)（4-1exp(u 1 E p（4-pp 2j4-1BP網(wǎng)絡(luò)結(jié)WijW（4-4-1BP網(wǎng)絡(luò)結(jié)WijW（4-（4-則Epu （4- Wjipj式（4-7）中0，為學(xué)習(xí)速率。一般地，BP網(wǎng)絡(luò)學(xué)習(xí)步驟描述如下（4-在BP網(wǎng)絡(luò)學(xué)習(xí)中要注意的問題：13、神經(jīng)元的激勵函數(shù)是S型函數(shù)，所以如果函數(shù)的漸近值是0、1的話，期望輸出只能是大于01的數(shù)，而不能是1或者0，否則可能會導(dǎo)致算法不收斂，所以在程序中用0.100.91。BP算法采用的是梯度下降法，它是一種非線性優(yōu)化算法，這就不可避免地存在SigmoidS型函數(shù)的01定義域兩端定義為飽和區(qū)，中間為非飽和區(qū)，在飽和區(qū)，函數(shù)值對自 1 1 （4-p 2j816，那么對于每一個字符就128BP網(wǎng)絡(luò)關(guān)鍵在于高效的特征提取方法，大量有代表性的訓(xùn)4-2BP網(wǎng)絡(luò)應(yīng)用流識待識別識別圖象預(yù)BP特征訓(xùn)練4-3字符識別流程4-3字符識別流程4.4實(shí)驗(yàn)結(jié)果分4-44-訓(xùn)練樣本的識別結(jié)4-44-訓(xùn)練樣本的識別結(jié)4-6正確識別的數(shù)字4-7車牌數(shù)字字符的4-7車牌數(shù)字字符的識別結(jié)4-8車牌數(shù)字字符識的別結(jié)[1]王科.汽車牌照識別算法研究[D].重慶：重慶大學(xué)[2]戴青云,余英林.一種基于小波和形態(tài)學(xué)的車牌圖像分割方法[J].中國圖象圖形學(xué)報，2000[1]王科.汽車牌照識別算法研究[D].重慶：重慶大學(xué)[2]戴青云,余英林.一種基于小波和形態(tài)學(xué)的車牌圖像分割方法[J].中國圖象圖形學(xué)報，2000[3]胡小峰,趙輝.Visual圖像處理與識別實(shí)用案例精選[M].北京人民郵電出版社(([7]DanianZheng,YannanZhao,JiaxinWang.AnefficientmethodoflicenseplateBeijing：Tsinghua[8]SherinM.Youssef,ShazaB.AbdelRahman.Asmartaccesscontrolusinganefficientlicenselocationandrecognitionapproach[M].DepartmentofComputerEngineering,CollegeEngineeringandTechnology,ExpertSystemswithApplications34(2008)岡薩雷斯.數(shù)字圖像處理（第二版）[M].北京：電子工業(yè)出版社，2003：59-170，460-[10]WenjingJia,HuaifengZhang,XiangjianHe.Region-basedlicenseplatedetection[M]ofTechnology,Sydney,P.O.Box123,Broadway,NSW2007,Australia[11]周景超,陳鋒車牌字符分割的研究和實(shí)現(xiàn)[J].合肥：中國科學(xué)技術(shù)大學(xué)自動化陶軍.車牌識別技術(shù)研究與實(shí)現(xiàn)[D].南京：南京理工大學(xué)江煒亮.車牌圖像自動定位與識別算法的研究[D].長沙：國防科學(xué)技術(shù)大學(xué)研究生院張引.面向車輛牌照字符識別的預(yù)處理算法[J].計(jì)算機(jī)應(yīng)用研究(7)：85-張思遠(yuǎn),樊志遠(yuǎn),吳仁彪.車牌識別預(yù)處理中的二值化及傾斜矯正算法[J].報，2006[17]朱浩悅,耿國華,周明全.車牌識別中二值化方法的研究[J].計(jì)算機(jī)應(yīng)用與軟件，2007[18]任洪娥,杜建波,于鳴.車牌自動識別中的字符特征提取方法[J].東北林業(yè)大學(xué)學(xué)報 王科.汽車牌照識別算王科.汽車牌照識別算法研究[D].重慶：重慶大學(xué)戴青云,余英林.一種基于小波和形態(tài)學(xué)的車牌圖像分割方法[J].中國圖象圖形學(xué)報，2000(5)：胡小峰,趙輝.VisualC++/MATLAB圖像處理與識別實(shí)用案例精選[M].北京人民郵電出版張引,潘云鶴.彩色汽車圖像牌照定位新方法[J].中國圖象圖形學(xué)報.2001(4)：374-姚德宏.基于神經(jīng)網(wǎng)絡(luò)的汽車牌照提取研究[J].計(jì)算機(jī)應(yīng)用，20016)：40-郭捷,施鵬飛.基于顏色和紋理的車牌定位方法[J].中國圖象圖形學(xué)報，20025)：472-DanianZheng,YannanZhao,JiaxinWang.AnefficientmethodoflicenseplateB