基于BP神经网络的智慧车牌识别系统.pdfVIP

基于BP神经网络的智慧车牌识别系统

摘要：车牌识别系统在我国智慧交通系统中起着重要作用。为解决识别不精

准、易受环境影响等问题，本文设计一种基于BP神经网络的智慧车牌识别系统，

该系统主要包含车牌图像预处理模块、BP神经网络模块和GUI用户界模块。通

过MATLAB仿真，得出该系统可以在较为复杂的环境中识别车牌，并实现了在可视

化用户界进行数字图像的可视化操作。

关键词：车牌识别BP神经网络图像处理GUI界

随着机器视觉与模式识别等技术的迅速发展，智慧车牌识别技术在现代智慧交

通中发挥了重要作用。车牌识别技术包括模式识别技术、信号处理技术以及图像处

理技术等，，广泛应用于智慧停车场、违章检测、车流监控等方。但目前车牌

识别技术仍存在准确度低，易受环境影响等问题。神经网络具有容错率低和适应性

强的特点，并具备良好的建模和数据分析能力，为解决这一难题提供了出口。

本文在MATLAB环境下，基于BP神经网络设计了一种智慧车牌识别系统，整个

系统包括车牌图像预处理模块、BP神经网路模块以及GUI用户界模块，通过样

本图像的搜集和数据库的建立，在对目标图像进行图像预处理等操作的基础上，通

过与样本图像库的比对，得到车牌识别结果。

1车牌图像预处理

1.1车牌灰度化

在图像处理中，将真彩色图像通过RGB的三种分量进行显示（R：Red,G：

Green,B：Blue）。在MATLAB环境中，使用RGB2gray函数，将RGB真彩色图像通

过一系列处理后变换成单通道的灰度图像。在车牌识别中处理的颜色信息比较少，

为了提高识别的快速性，一般都会将彩色车牌图像进行灰度化，根据如下公式计算

每个像素点的灰度值：

灰度值二二0.299R+0.58G+0.114B(1)

1.2图像增强

由于黑暗条件下环境影响等问题，图像拍摄的清晰度不高，因此需要图像增强

技术提高图像的清晰度。通过调整图像的亮度、对比度、色彩等属性，可以突出显

示感兴趣的特征，降低噪声，提高图像的清晰度、对比度和可读性。本文通过直方

图均衡化实现图像的增强。直方图均衡化的基本原理是：通过对在同一视觉画中

像素数量多的灰度值（即对视觉画起作用的灰度值）加以展宽，而对像素数量少

的灰度值（即对视觉画不起作用的灰度值）加以归并，以便提高反差，从而使视

觉画更加清晰，起到强化的目的。而通过调整直方图均衡后的视觉画明暗对比

得到了明显提高，质量得以增强。

1.3边缘检测

边缘提取在车牌识别系统中对车牌位置的检测有着非常重要的作用，常用的边

缘检测算子有Roberts算子、Sobel算子、Prewitt算子、Laplacian算子、log算

子和Canny算子等。Canny算子相比于Sobel,Prewitt,Laplacian算子，根据边

缘梯度方向实现了非极大值的抑制，同时解决了双阈值的滞后问题[3],是图像边

缘检测算法中最为典型，先进的算法之一。据实验分析，Canny算子对弱边缘的检

测相对精确，能更多地保留车牌区域的特征信息，因此本文采用Canny算法实现边

缘检测。Canny算子在边缘检测中有信噪比和定位精度两个判别指标。信噪比越大,

提取的边缘质量越高。

1.4车牌定位及分割

使车牌区域具有明显的特征，因此根据车牌颜色和字符颜色的知识，用先膨胀

后腐蚀的开运算数字形态学滤波，统计积分布，显示区域总数，从而确定车牌边

界，准确定位车牌区域。同时，选取常见的蓝底白字白框线车牌，通过蓝色车牌阈

值进行车牌的分割。

1.5车牌倾斜调整

由于拍摄角度以及车辆位置不同而造成拍摄图片倾斜等差异，车牌水平方向投

影和垂直方向投影不能正常运行。因此，在车牌分割后，调用拉东(radon)变换

进行水平方向的投影，令R为拉东变换算子，则Rf(x,y)=R(s,a)的

定义如下［4］：由于狄拉克5函数的限制，沿着直线xcosa+ysina=s进行

积分。CT扫描可以沿任意法方向与原点成任意距离s的直线［5］。通过拉东

变换得到车牌的倾斜角度，调用imrotate函数对车牌图像进行旋转校正。

1.6字符分割

将7个字符分别从车牌图像中分割出来。按照图像的大小，设定阈值，通过字

符宽度和阈值相同则切割的方法，设置图像y轴，检测图像x轴，将