基于量子神经网络车牌识别系统的研究
智能交通是未来交通的发展方向,车牌识别系统作为智能交通的重要组成部分,在智能交通中扮演着重要的角色,在实际生产生活中有着重要的应用.车牌识别系统以数字图像处理、模式识别、计算机视觉技术为基础,自动提取车辆牌照信息.本文以汽车牌照识别为背景,了解车牌识别系统的识别的主要流程,对车牌识别过程应用的车牌图像预处理、车牌定位、字符分割和车牌识别算法深入研究.具体研究内容如下:(1)在车牌图像处理算法及常用车牌定位算法的基础上,利用改进的Sobel算子进行边缘检测,图像在垂直方向的检测效果得到加强,再结合数学形态学处理方法,提出一种新的基于改进的Sobel算子和数学形态学的车牌定位方法,然后利用Hough变换算法判断车牌的倾斜情况,并对倾斜车牌进行倾斜校正.(2)通过对字符分割算法的研究,了解影响车牌字符分割准确性的关键因素,实现字符的准确分割.本文在基于投影的字符分割算法基础上,结合车牌的自身形状和尺寸特征,提出基于车牌尺寸特征和投影的车牌字符分割算法,该算法对车牌字符模糊和粘连情况有较好的分割效果.由于分割后的车牌字符大小不一,本文采用双线性插值算法对字符进行归一化处理.(3)研究量子神经网络模型,利用量子神经网络并行性和模糊性,搭建量子神经网络车牌字符分类器,提出基于多层激励函数的量子神经网络的车牌字符识别方法.并在标准梯度下降法基础上引入动量因子,提高原有量子神经网络的收敛速度,减少网络训练过程的震动,然后采用粗网络特征提取方法提取字符特征训练网络.文章最后通过VC++和MATLAB编写上位机测试系统,对实际拍摄图像进行测试.实验结果表明,本文提出的车牌定位、字符分割、字符识别算法有较好的定位、分割和识别效果.
- 作者:
- 孙立刚
- 学位授予单位:
- 东北石油大学
- 专业名称:
- 控制科学与工程
- 授予学位:
- 硕士
- 学位年度:
- 2015年
- 导师姓名:
- 关学忠
- 中图分类号:
- TP391.41
- 关键词:
- 车牌识别;Sobel算子;车牌定位;字符分割;量子神经网络
- license plate recognition; Sobel operator; license plate location; character segmentation; quantum neural networks