基于小波变换和神经网络的车牌识别系统

车牌定位 神经网络

维普资讯 http://doc.xuehai.net

第 3卷第 1期 1 5 1 13 1 .1 o ·

计

算

机

工

程

20 0 5年 8月 A ug t2 5 us 00

№

l 5

C o pu e gi e i g m t r En ne r n

人工智能及识别技术·

文章编号： 0o 32( o)— l导_ 文献标识码； l0_ 48 o5 5 7-3 2 l 0 A

中圈分类号； P8 T1

基于小波变换和神经网络的车牌识别系统 陈景航，杨宜民 (广东工业大学自动化学院，广州 5 0 9 ) 10 0

摘

要：介绍了通过小波变换在复杂背景下对车辆图像进行去噪和对车辆牌照进行定位，并利用 B P网络结合线性感知器来对车牌字符进

行分类和识别。实验结果表明，该文提出的设计方案，算法简单、实时性好、识别率高，可适用于复杂背景环境中的车牌识别。

关健诃：小波变换；神经网络；图像去噪；车牌定位；字符识别

Re o n to y t m f c g ii n S se o t m o i c n ePl t s d o Au o b l Li e s a eBa e n e v l ta e e nd ANN CHEN ig a g Y Jn h n, ANG m i Yi n ( c l Autmain Gu n o gUnv riyo c n lg, a g h u51 0 0) Fa ut of y o t, a gd n iest f o Te h oo y Gu n z o 0 9

[ s￣c] T i pp rit d csh w t en i uo bl maea dt o ael es lt wt vlt n cmpe ak ru d a d Ab t t hs ae nr u e o od—os a tmo i i g n olc t i nepa i waee o lxbc go n, n o e e c e h o e p ta e o t ls iy a d r c g ie c a a t ro e i l i e e p a e t l o ih i tg a e t i e rp r e to Ex rme t h w x a it s h w o c a s f n e o n s h r ce fv h c e l ns lt s wi BP a g r m n e r t d wi l a e c p r n c h t h n pe i n s s o .

ta ted s npoets ayt erai d h s o dra—mep r r n e h s ihrcg io aeadcnb esm

ewi eo nt no h th ei rjc ie s b l e, a g o l i ef mac, a hg o nt nrt n a et a t rc g io f g o e z a e t o a e i h h i v h c e l e s l tso o e i l i n e p a e n c mp e a k r u d. c lxb c go n

[ ywod !W aee; NN;ma e en in; i nepaeo ain C aatr eo nt n Ke r s v ltA I g—os g Lc s ltlct; hrce c g io d i e o r i

随着世界的经济、科技和我国汽车工业的飞速发展，智能车辆管理技术倍受瞩目。车辆信息管理系统是现代智能交通管理的重要手段，它可以大大简化人的劳动，消除人为干扰，减少乃至杜绝出错的可能；而车牌识别系统是用户车辆信息管理系统的一个重要组成部分，负责车牌信息的自动获得。因此，车牌识男系统的识别精度和运行速度直接影响车 q辆信息管理系统工作的实效性。针对目前车牌识别系统在复杂背景环境中识别精度不高、运行时间较长的缺点，本文提出了一个完整的车辆识别系统的方案以解决上述问题。

的高频子带保留了图像边缘细节信息。充分利用图像的各个子带信息，就能对图像完成去噪、增强、分割、压缩等处理。

Mal l t算法…在实际应用中大大减少了小波变换的复杂 a 度，是一种优秀的正交小波的快速算法。相应的二维 Ma a lt l小波分解如图 2所示：在每一个尺度下，C一1 j包含前一阶段的低频信息，它通过小波变换后，得到在分辨率 J下的低频信息 c,水平边缘细节 H,垂直边缘细节 V和对角边缘 j j j 细

l系统的工作原理 本系统采用小波变换的多分辨率分析方法 ( A) MR,对 q q H v. D.

车辆图像进行去噪和定位处理，然后通过扫描和投影的方法 把车牌字符进行分割，最后利用 B网络结合线性感知器来 P对分割后的字符进行分类和识别。本文所使用的仿真计算工具是 MA L B 65中的小波分析工具箱和神经网络工具箱， T A .

其功能强大便于进行图像处理。本系统工作原理如图 l所示。 图 2维小菠分解二

图 2中，H和 G分别是低通和高通滤波器，而

H和 G 是 H和 G的镜像滤波器。 由于车辆图像的背景图像复杂且存在有大量的噪声，传

统的去噪方法对于非平稳过程的噪声处理具有一定的局限 性。基于小波变换的图像去噪方法利用小波变换中的变尺度 圈 1系统的工作原理

特性对确定信号具有一种“集中”能力。就是经过多层的小波变换后，车辆图像的大部分主要信息集中在少数的小波系数上，而车辆图像的非主要信息和噪声信号就分散于其他的 作者筒介：陈景航 (9 0 ) 18一，男，硕士生，研究方向为智能控制和 模式识别；杨宜民，教授

2基于小波变换的图像去噪和车牌定位 21 .二维小i变换与图像去噪 i c小波变换的多分辨率分析 ( A)是对图像进行多层小 MR 波分解，在不同的分辨率下，把图像按其频率的高低分为若

干子带。图像的低频子带保留了图像的最主要部分，而图像

定稿日期：20—— 0 4 62 0 3

E m i j gag0 1n o — a: i h n 8@2 . . m l n cc

第1页下一页