一、基本原理概述

基于BP神經網絡的的汽車牌照識別系統的處理過程分為預處理、邊緣提取、車牌定位、字符分割、字符識別五大模塊。具體涉及以下幾個過程：

① 原始車牌圖像：由數碼相機或其他掃描裝置拍攝到的車牌圖像。

② 車牌圖像預處理：對動態采集到的車牌圖像進行濾波、邊界增強等處理以克服圖像干擾。

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

④ 字符分割：利用投影檢測的字符定位分割方法得到單個的字符。

⑤ 字符數據庫：為下一步的字符識別建立字符模板數據庫。

⑥ 字符識別：基于人工神經網絡的OCR算法，通過訓練識別出相關的字符，得到最后的汽車牌照，包括英文字母和數字。

二、設計方案及實驗驗證

2.1 車牌圖像預處理

首先對車牌圖像進行灰度轉換，進行二值化處理后對車牌圖像進行腐蝕，去除車牌圖像的噪聲。對車牌圖像進行閉合運算，使車牌所在的區域形成連通，再進行形態學濾波去除其他區域。上述過程所得結果如下圖所示：

圖 1 車牌圖像預處理過程

2.2 車牌定位

經過預處理后得到的車牌圖像，可以發現車牌位置有明顯的矩形圖樣，如圖1(f)所示，通過對矩形區域的定位即可獲得具體的車牌位置。

圖 2 像素灰度值累計

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

在汽車牌照自動識別過程中，字符分割有承前啟后的作用。當獲取定位后的車牌圖像即可對其進行字符分割，利用分割的結果即可進行字符識別。

圖 4 分割成七塊后的車牌圖像圖像

2.4 建立字符模板數據庫

模板庫的合理建造是字符識別的關鍵之一，所以在字符識別之前必須把模板庫設置好。汽車牌照的字符一般有7個，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稱；緊接其后的為字母與數字。車牌字符識別與一般文字識別的區別在于它的字符數有限，十個阿拉伯數字0_{9、26個大寫英文字母A}Z。所建立的字符模板如圖5所示。

圖 5 字符模板

2.5 車牌字符識別

基于人工神經網絡進行字符識別主要有兩種方法：一種方法是先對待識別字符進行特征提取，然后用所獲得的特征來訓練神經網絡分類器。識別效果與字符特征的提取有關，而字符特征提取往往比較耗時。因此，字符特征的提取就成為研究的關鍵。另一種方法則充分利用神經網絡的特點，直接把待處理圖像輸入網絡，由網絡自動實現特征提取直至識別。本設計采用基干人工神經網絡的方法來識別車牌字符。

圖 6 BP 神經網絡

識別結果如圖7所示。

圖 7 識別結果

---

相關程序代碼，請私信博主。

總結

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內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。