基于BP神经网络的车牌识别系统的设计

一、基本原理概述

基于BP神经网络的的汽车牌照识别系统的处理过程分为预处理、边缘提取、车牌定位、字符分割、字符识别五大模块。具体涉及以下几个过程：

① 原始车牌图像：由数码相机或其他扫描装置拍摄到的车牌图像。

② 车牌图像预处理：对动态采集到的车牌图像进行滤波、边界增强等处理以克服图像干扰。

③ 车牌定位：计算边缘图像的投影面积，寻找峰谷点，大致确定车牌位置，再计算此连通域内的宽高比，剔除不在域值范围内的连通域，最后得到车牌字符区域。

④ 字符分割：利用投影检测的字符定位分割方法得到单个的字符。

⑤ 字符数据库：为下一步的字符识别建立字符模板数据库。

⑥ 字符识别：基于人工神经网络的OCR算法，通过训练识别出相关的字符，得到最后的汽车牌照，包括英文字母和数字。

二、设计方案及实验验证

2.1 车牌图像预处理

首先对车牌图像进行灰度转换，进行二值化处理后对车牌图像进行腐蚀，去除车牌图像的噪声。对车牌图像进行闭合运算，使车牌所在的区域形成连通，再进行形态学滤波去除其他区域。上述过程所得结果如下图所示：

图 1 车牌图像预处理过程

2.2 车牌定位

经过预处理后得到的车牌图像，可以发现车牌位置有明显的矩形图样，如图1(f)所示，通过对矩形区域的定位即可获得具体的车牌位置。

图 2 像素灰度值累计

得到车牌定位后的图像如图3所示。

图 3 获取定位后的车牌图像

2.3 车牌字符分割

在汽车牌照自动识别过程中，字符分割有承前启后的作用。当获取定位后的车牌图像即可对其进行字符分割，利用分割的结果即可进行字符识别。

图 4 分割成七块后的车牌图像图像

2.4 建立字符模板数据库

模板库的合理建造是字符识别的关键之一，所以在字符识别之前必须把模板库设置好。汽车牌照的字符一般有7个，大部分车牌第一位是汉字，通常代表车辆所属省份，或是军种、警别等有特定含义的字符简称；紧接其后的为字母与数字。车牌字符识别与一般文字识别的区别在于它的字符数有限，十个阿拉伯数字0_{9、26个大写英文字母A}Z。所建立的字符模板如图5所示。

图 5 字符模板

2.5 车牌字符识别

基于人工神经网络进行字符识别主要有两种方法：一种方法是先对待识别字符进行特征提取，然后用所获得的特征来训练神经网络分类器。识别效果与字符特征的提取有关，而字符特征提取往往比较耗时。因此，字符特征的提取就成为研究的关键。另一种方法则充分利用神经网络的特点，直接把待处理图像输入网络，由网络自动实现特征提取直至识别。本设计采用基干人工神经网络的方法来识别车牌字符。

图 6 BP 神经网络

识别结果如图7所示。

图 7 识别结果

---

相关程序代码，请私信博主。