一、基本原理概述

基于BP神經(jīng)網(wǎng)絡(luò)的的汽車牌照識(shí)別系統(tǒng)的處理過(guò)程分為預(yù)處理、邊緣提取、車牌定位、字符分割、字符識(shí)別五大模塊。具體涉及以下幾個(gè)過(guò)程：

① 原始車牌圖像：由數(shù)碼相機(jī)或其他掃描裝置拍攝到的車牌圖像。

② 車牌圖像預(yù)處理：對(duì)動(dòng)態(tài)采集到的車牌圖像進(jìn)行濾波、邊界增強(qiáng)等處理以克服圖像干擾。

③ 車牌定位：計(jì)算邊緣圖像的投影面積，尋找峰谷點(diǎn)，大致確定車牌位置，再計(jì)算此連通域內(nèi)的寬高比，剔除不在域值范圍內(nèi)的連通域，最后得到車牌字符區(qū)域。

④ 字符分割：利用投影檢測(cè)的字符定位分割方法得到單個(gè)的字符。

⑤ 字符數(shù)據(jù)庫(kù)：為下一步的字符識(shí)別建立字符模板數(shù)據(jù)庫(kù)。

⑥ 字符識(shí)別：基于人工神經(jīng)網(wǎng)絡(luò)的OCR算法，通過(guò)訓(xùn)練識(shí)別出相關(guān)的字符，得到最后的汽車牌照，包括英文字母和數(shù)字。

二、設(shè)計(jì)方案及實(shí)驗(yàn)驗(yàn)證

2.1 車牌圖像預(yù)處理

首先對(duì)車牌圖像進(jìn)行灰度轉(zhuǎn)換，進(jìn)行二值化處理后對(duì)車牌圖像進(jìn)行腐蝕，去除車牌圖像的噪聲。對(duì)車牌圖像進(jìn)行閉合運(yùn)算，使車牌所在的區(qū)域形成連通，再進(jìn)行形態(tài)學(xué)濾波去除其他區(qū)域。上述過(guò)程所得結(jié)果如下圖所示：

圖 1 車牌圖像預(yù)處理過(guò)程

2.2 車牌定位

經(jīng)過(guò)預(yù)處理后得到的車牌圖像，可以發(fā)現(xiàn)車牌位置有明顯的矩形圖樣，如圖1(f)所示，通過(guò)對(duì)矩形區(qū)域的定位即可獲得具體的車牌位置。

圖 2 像素灰度值累計(jì)

得到車牌定位后的圖像如圖3所示。

圖 3 獲取定位后的車牌圖像

2.3 車牌字符分割

在汽車牌照自動(dòng)識(shí)別過(guò)程中，字符分割有承前啟后的作用。當(dāng)獲取定位后的車牌圖像即可對(duì)其進(jìn)行字符分割，利用分割的結(jié)果即可進(jìn)行字符識(shí)別。

圖 4 分割成七塊后的車牌圖像圖像

2.4 建立字符模板數(shù)據(jù)庫(kù)

模板庫(kù)的合理建造是字符識(shí)別的關(guān)鍵之一，所以在字符識(shí)別之前必須把模板庫(kù)設(shè)置好。汽車牌照的字符一般有7個(gè)，大部分車牌第一位是漢字，通常代表車輛所屬省份，或是軍種、警別等有特定含義的字符簡(jiǎn)稱；緊接其后的為字母與數(shù)字。車牌字符識(shí)別與一般文字識(shí)別的區(qū)別在于它的字符數(shù)有限，十個(gè)阿拉伯?dāng)?shù)字0_{9、26個(gè)大寫英文字母A}Z。所建立的字符模板如圖5所示。

圖 5 字符模板

2.5 車牌字符識(shí)別

基于人工神經(jīng)網(wǎng)絡(luò)進(jìn)行字符識(shí)別主要有兩種方法：一種方法是先對(duì)待識(shí)別字符進(jìn)行特征提取，然后用所獲得的特征來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)分類器。識(shí)別效果與字符特征的提取有關(guān)，而字符特征提取往往比較耗時(shí)。因此，字符特征的提取就成為研究的關(guān)鍵。另一種方法則充分利用神經(jīng)網(wǎng)絡(luò)的特點(diǎn)，直接把待處理圖像輸入網(wǎng)絡(luò)，由網(wǎng)絡(luò)自動(dòng)實(shí)現(xiàn)特征提取直至識(shí)別。本設(shè)計(jì)采用基干人工神經(jīng)網(wǎng)絡(luò)的方法來(lái)識(shí)別車牌字符。

圖 6 BP 神經(jīng)網(wǎng)絡(luò)

識(shí)別結(jié)果如圖7所示。

圖 7 識(shí)別結(jié)果

---

相關(guān)程序代碼，請(qǐng)私信博主。

總結(jié)

以上是生活随笔為你收集整理的基于BP神经网络的车牌识别系统的设计的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。