基于MATLAB和神经网络的车牌识别系统设计

基于MATLAB和神经网络的车牌识别系统设计(任务书,开题报告,论文12000字)
摘  要
电子信息化管理公路交通是现在越来越普及的交通管理方式。这种方式具有响应速度快、测量范围宽、灵敏度高、长时间工作等优点，因而被广泛应用于对各种交通途径的监测。
现在对于车牌的识别系统分为几个部分包括车牌图像处理、神经网络建立、样本匹配、文本输出。图像处理作为车牌识别系统的基础，对于倾斜处理采用霍夫变换。处理后的图像能精确定位到车牌位置还要减小车牌污损对匹配结果的影响。在本系统的图像处理中、采用图像转化，图像增强，边缘定位。最后将图像进行模板匹配与文本显示。而模板匹配目前国际上有好几种方式，本次设计采用BP神经网络匹配。经过测试表明:本系统可以精确定位出车牌位置进行校正处理并进行模板匹配和文本输出。但在测量的精度和稳定性上有待提高。在整体设计上采用MATLAB语言。
关键词：图像处理  BP网络神经  霍夫变换 MATLAB
 
Design of license plate recognition system based
on MATLAB and neural network
Abstract
The electronic information management of the highway transportation is now becoming more and more popular traffic management mode. This method has quick response speed, wide measuring range, high sensitivity, long time advantages, so it is widely used in the monitoring of various traffic routes. License plate recognition is the core of information management, [资料来源：THINK58.com]
Now the license plate recognition system is divided into several parts including license plate image processing, neural network establishment, sample matching, text output. Image processing is based on the license plate recognition system, for the treatment of inclination by Hough transformation. After the requirements of image processing can also reduce the license plate position of fouling effect on the matching result to the accurate positioning. In the image processing system, I take the image transformation, image enhancement, edge location. template matching and text display image in the end. Template matching is currently in the international there are several ways, this design uses BP neural network matching. The test shows that the system can accurately locate the license plate position and make the template matching and text output. But the accuracy and stability of the measurement needs to be improved.
Keywords：Image processing; BP neural network matching;Hough transformation; MATLAB [资料来源：THINK58.com]
 

[资料来源：THINK58.com]

目录
摘  要    I
Abstract    II
第一章 绪论    1
1.1 车牌识别的背景    1
1.2车牌识别的研究现状    1
1.3本论文主要任务    2
1.4论文结构安排    2
第二章 车牌识别系统整体简介    4
2.1前期图像处理简介    4
2.2车牌定位和字符切割    5
2.3BP神经网络的介绍    6
第三章 车牌图像的前期处理    7

3.1车牌图像格式和尺寸的处理    7
3.1.1图像的格式归一化    7
3.1.2图像的灰度化    7
3.2 图像的色彩处理    8
3.2.1图像特征增强    9
3.2.2图像的二值化    9
3.2.3车牌背景颜色的统一    10
第四章 车牌定位系统的设计    12
4.1车牌纠正的现有几种方案    12
4.1.1现有的几种纠正方法介绍    12
4.1.2霍夫变换    12
4.2  车牌干扰去除和字符切割    13
4.2.1上下铆钉的去除    13
4.2.2车牌字符的分割    14
第五章 BP神经网络和模板匹配    16
5.1字符识别技术简介    16
5.2字符特征提取    17
5.3神经网络    19
第六章 系统调试    21
6.1软件调试    21
6.2 调试软件介绍    24
第七章  总结    26 [版权所有：http://think58.com]
7.1 论文小结    26
7.2 下一步工作    26
致谢    27
参考文献    28
附录A 系统源程序    30
 

[资料来源：http://think58.com]