基于卷積神經(jīng)網(wǎng)絡(luò)的車牌智能識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、車牌識(shí)別系統(tǒng)在現(xiàn)代交通管理控制領(lǐng)域的地位越來越重要，高度自動(dòng)化的車牌識(shí)別軟件，輔以必要的通信及存儲(chǔ)服務(wù)，不僅可以極大地減輕交管部門的人力支出，還能減少工作失誤，提升管理效率。日常背景下的車牌識(shí)別，具有背景復(fù)雜度較高、光照條件變化較大和車牌尺寸不固定等問題。車牌識(shí)別系統(tǒng)的關(guān)鍵技術(shù)可分為車牌定位、字符分割和字符識(shí)別三個(gè)模塊。針對(duì)這三個(gè)模塊在處理日常背景下的車牌識(shí)別任務(wù)中存在的問題，本論文開展了以下研究：
　　在車牌定位部分，為了解決基

2、于普通灰度的邊緣算法的不足，提出了彩色邊緣算法，利用了車牌的彩色特征，解決了普通邊緣算法中無效邊緣過多的問題，提高了車牌圖像的信噪比。隨后，闡述了彩色邊緣算法中參數(shù)的意義和選擇依據(jù)。最后，提出了應(yīng)用于形態(tài)學(xué)分析的形態(tài)規(guī)則，解決了候選區(qū)域過濾的問題，降低了誤檢率。
　　在字符分割部分，首先提出了用于預(yù)處理階段的彩色抑制的灰度轉(zhuǎn)換算法，解決了藍(lán)白車牌對(duì)比度低的問題。之后，應(yīng)用了改進(jìn)的行列重定位算法，解決了車牌邊框與車牌字符粘連的問題，

3、并去除了黑邊。接著，詳細(xì)描述了結(jié)合連通分量分析和投影分析的車牌分割算法，并介紹了基于字符數(shù)量的字符查找和恢復(fù)算法，解決了車牌分割中字符缺失的問題。
　　在字符識(shí)別部分，為了解決傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)直接應(yīng)用于中國(guó)車牌字符識(shí)別存在的結(jié)構(gòu)過于復(fù)雜的問題，提出了簡(jiǎn)化卷積神經(jīng)網(wǎng)絡(luò)和遞歸卷積神經(jīng)網(wǎng)絡(luò)兩種新型結(jié)構(gòu)，給出了相關(guān)的網(wǎng)絡(luò)訓(xùn)練算法。最后的車牌字符識(shí)別實(shí)驗(yàn)證明，這兩個(gè)新結(jié)構(gòu)可以更加有效地識(shí)別車牌字符。
　　實(shí)驗(yàn)證明，本文設(shè)計(jì)的車牌識(shí)別系