基于MATLAB的BP神经网络的数字图像识别Word下载.docx

基于MATLAB的BP神经网络的数字图像识别Word下载.docx

《基于MATLAB的BP神经网络的数字图像识别Word下载.docx》由会员分享，可在线阅读，更多相关《基于MATLAB的BP神经网络的数字图像识别Word下载.docx（19页珍藏版）》请在冰豆网上搜索。

图像识别；

字符识别；

特征提取；

车牌；

Matlab

一课题研究背景

（一）图像识别的提出及应用

随着信息化时代的不断发展，人们越来越多地使用信息化的手段来解决各种问题——办公自动化、先进制造业、电子商务等利用计算机技术而产生的新兴行业正不断靠近我们的生活。

在信息社会中，我们每天都接触大量的数据——工作数据、个人数据、无意间获得的数据等——在这些数据中，有些数据需要我们人工处理，而有些则可以利用计算机快速准确的完成——字符识别就是其中的一个范畴。

字符识别是一种图像识别技术，他的输入是一张带有某种字符的图片，而输出则是计算机中对于图片中字符的反应结果。

所以，可以广泛的应用于各种领域：

如，车牌检测、手写识别、自动阅读器、机器视觉……在生活生产的各个方面都起到了非常重要的作用。

（二）图像识别技术的发展趋势

虽然图像识别技术还不是非常成熟，但现其已经有了很多可喜的成果，比如图像模式识别，图像文字识别。

并且其还在飞速的发展着，图像识别的应用正朝着不同的领域渗透着，像计算机图像生成，图像传输与图像通信，高清晰度电视，机器人视觉及图像测量，办公室自动化，像跟踪及光学制导 

，医用图像处理与材料分析中的图像分析系统，遥感图像处理和空间探测，图像变形技术等等。

从所列举的图像技术的多方面应用及其理论基础可以看出，它们无一不涉及高科技的前沿课题，充分说明了图像技术是前沿性与基础性的有机统一。

可以预计21世纪，图像技术将经历一个飞跃发展的成熟阶段，为深入人民生活创造新的文化环境，成为提高生产的自动化、智能化水平的基础科学之一。

图像技术的基础性研究，特别是结合人工智能与视觉处理的新算法，从更高水平提取图像信息的丰富内涵，成为人类运算量最大、直观性最强，与现实世界直接联系的视觉和“形象思维”这一智能的模拟和复现，是一个很难而重要的任务。

“图像技术”这一上世纪后期诞生的高科技之花，其前途是不可限量的。

随着21世纪经济全球化和信息时代的发展，作为信息来源的自动检测、图像识别技术越来越受到人们的重视。

近年来计算机的飞速发展和数字图像处理技术的日趋成熟，为传统的交通管理带来了巨大转变。

图像处理技术发展相当快，而其中对汽车牌照等相关信息的自动采集和管理对于交通车辆管理、园区车辆管理、停车场管理、交警稽查等方面有着十分重要的意义，成为信息处理技术的一项重要研究课题。

汽车牌照自动识别系统就是在这样的背景与目的下进行研究开发的。

车辆牌照识别（LicensePlateRecognition，LPR）技术作为交通管理自动化的重要手段之一，其任务是分析、处理汽车监控图像，自动识别汽车牌照号码，并进行相关智能化数据库管理。

（三）图像识别的机理

图像识别是人工智能的一个重要领域。

为了编制模拟人类图像识别活动的计算机程序，人们提出了不同的图像识别模型。

例如模板匹配模型。

这种模型认为，识别某个图像，必须在过去的经验中有这个图像的记忆模式，又叫模板。

当前的刺激如果能与大脑中的模板相匹配，这个图像也就被识别了。

例如有一个字母A,如果在脑中有个A模板,字母A的大小、方位、形状都与这个A模板完全一致,字母A就被识别了。

这个模型简单明了，也容易得到实际应用。

但这种模型强调图像必须与脑中的模板完全符合才能加以识别，而事实上人不仅能识别与脑中的模板完全一致的图像，也能识别与模板不完全一致的图像。

例如,人们不仅能识别某一个具体的字母A,也能识别印刷体的、手写体的、方向不正、大小不同的各种字母A。

同时,人能识别的图像是大量的，如果所识别的每一个图像在脑中都有一个相应的模板，也是不可能的。

为了解决模板匹配模型存在的问题，格式塔心理学家又提出了一个原型匹配模型。

这种模型认为，在长时记忆中存储的并不是所要识别的无数个模板，而是图像的某些“相似性”。

从图像中抽象出来的“相似性”就可作为原型，拿它来检验所要识别的图像。

如果能找到一个相似的原型，这个图像也就被识别了。

这种模型从神经上和记忆探寻的过程上来看，都比模板匹配模型更适宜，而且还能说明对一些不规则的，但某些方面与原型相似的图像的识别。

但是，这种模型没有说明人是怎样对相似的“刺激”进行辨别和加工的，它也难以在计算机程序中得到实现。

因此又有人提出了一个更复杂的模型，即“泛魔”识别模型。

所谓泛魔，即这个模型把图像识别过程分为不同的层次，每一层次都有承担不同职责的特征分析机制称作一种"

小魔鬼"

，由于有许许多多这样的机制在起作用，因此叫做“泛魔”识别模型。

这一模型的特点在于它的层次的划分。

自20世纪60年代初期出现第一代产品开始，经过30多年的不断发展改进，字符识别技术的研究已经取得了令人瞩目的成果。

目前印刷体的识别技术已经达到较高水平。

识别范围也从原来指定的印刷体数字、英文字母和部分符号，发展成为可以自动进行版面分析、表格识别，实现混合文字、多字体、多字号、横竖混排识别的强大的计算机信息快速录入工具。

对印刷体汉字的识别率达到98％以上，即使对印刷质量较差的文字其识别率也达到95％以上。

（四）本文的研究内容

本文将以车牌作为研究对象，从数字、字母、汉字开始逐步提高识别的范围，针对图片中的字符提出一套切实可行的识别算法，并且在试验中不断改进。

在开发期间，以功能强大的Matlab作为编程平台，利用一些行之有效的技术提高识别算法的性能，从而完成相应的识别软件。

二算法分析与设计

（一）特征分析

中国汽车牌照中使用的字符集包括59个汉字、25个大写英文字母（字母不包含I）和10个阿拉伯数（0-9），三种类型共94个，且都是印刷体，结构固定、笔画规范。

牌照在图像中占有的高度从20个像素到50个像素不等。

对于国内牌照来说，一般的车辆正面牌照中水平排列着7个字符，其标准车牌样式：

XlX2·

X3X4X5X6X7;

X1是各省，直辖市的简称：

如“苏”、“桂”，或者特种车辆类型如“警”;

X2是英文字母，表示各省的不同地区;

X3从是英文字母或阿拉伯数字；

X3X4X5X6X7均是阿拉伯数字。

（二）技术路线

1原理分析

由于车辆牌照是机动车唯一的管理标识符号，在交通管理中具有不可替代的作用，因此车辆牌照识别系统应具有很高的识别正确率，对环境光照条件、拍摄位置和车辆行驶速度等因素的影响应有较大的容阈，并且要求满足实时性要求。

图2-1牌照识别系统原理图

该系统是计算机图像处理与字符识别技术在智能化交通管理系统中的应用，它主要由牌照图像的采集和预处理、牌照区域的定位和提取、牌照字符的分割和识别等几个部分组成，如图1所示。

其基本工作过程如下：

（1）当行驶的车辆经过时，触发埋设在固定位置的传感器，系统被唤醒处于工作状态；

一旦连接摄像头光快门的光电传感器被触发，设置在车辆前方、后方和侧面的相机同时拍摄下车辆图像；

（2）由摄像机或CCD摄像头拍摄的含有车辆牌照的图像通视频卡输入计算机进行预处理，图像预处理包括图像转换、图像增强、滤波和水平矫正等；

（3）由检索模块进行牌照搜索与检测，定位并分割出包含牌照字符号码的矩形区域；

（4）对牌照字符进行二值化并分割出单个字符，经归一化后输入字符识别系统进行识别。

2总体设计方案

车辆牌照识别整个系统主要是由车牌定位和字符识别两部分组成，其中车牌定位又可以分为图像预处理及边缘提取模块和牌照的定位及分割模块；

字符识别可以分为字符分割与特征提取和单个字符识别两个模块。

为了用于牌照的分割和牌照字符的识别，原始图像应具有适当的亮度，较大的对比度和清晰可辩的牌照图像。

但由于该系统的摄像部分工作于开放的户外环境，加之车辆牌照的整洁度、自然光照条件、拍摄时摄像机与牌照的距离和角度以及车辆行驶速度等因素的影响，牌照图像可能出现模糊、歪斜和缺损等严重缺陷，因此需要对原始图像进行识别前的预处理。

牌照的定位和分割是牌照识别系统的关键技术之一，其主要目的是在经图像预处理后的原始灰度图像中确定牌照的具体位置，并将包含牌照字符的一块子图像从整个图像中分割出来，供字符识别子系统识别之用，分割的准确与否直接关系到整个牌照字符识别系统的识别率。

由于拍摄时的光照条件、牌照的整洁程度的影响，和摄像机的焦距调整、镜头的光学畸变所产生的噪声都会不同程度地造成牌照字符的边界模糊、细节不清、笔划断开或粗细不均，加上牌照上的污斑等缺陷，致使字符提取困难，进而影响字符识别的准确性。

因此，需要对字符在识别之前再进行一次针对性的处理。

车牌识别的最终目的就是对车牌上的文字进行识别。

主要应用的为模板匹配方法。

因为系统运行的过程中，主要进行的都是图像处理，在这个过程中要进行大量的数据处理，所以处理器和内存要求比较高，CPU要求主频在600HZ及以上，内存在128MB及以上。

系统可以运行于Windows98、Windows2000或者WindowsXP操作系统下，程序调试时使用matlab。

三具体技术路线

（1）图像预处理及边缘提取

在车牌自动识别系统中，车辆图像是通过图像采集卡将运动的车辆图像抓拍下来，并以位图的格式存放到系统内存中，这时的车辆数字图像虽然没有被人为损伤过，但在实际道路上行驶的车辆常会因为各种各样的原因使得所拍摄的车辆图像效果不理想，如外界光线对车牌的不均匀反射、极强阳光形成的车牌处阴影、摄像机快门值设置过大而引起的车辆图像拖影、摄像头聚焦或后背焦没有调整到位而形成的车辆图像不清晰、由于视频传输线而引起的图像质量下降、所拍摄图像中存在的噪声干扰、所安装的车牌不规范或车辆行驶变形等，这些都给车牌的模糊识别增加了难度。

图像预处理技术可最大限度提高车牌正确识别率，这些图像预处理包括图像灰度化、平滑、倾斜校正、灰度修正等。

图3-1预处理及边缘提取流程图

1、图像的采集与转换

考虑到现有牌照的字符与背景的颜色搭配一般有蓝底白字、黄底黑字、白底红字、绿底白字和黑底白字等几种，利用不同的色彩通道就可以将区域与背景明显地区分出来，例如，对蓝底白字这种最常见的牌照，采用蓝色B通道时牌照区域为一亮的矩形，而牌照字符在区域中并不呈现。

因为蓝色（255，0，0）与白色（255，255，255）在通道中并无区分，而在G、R通道或是灰度图像中并无此便利。

同理对白底黑字的牌照可用R通道，绿底白字的牌照可以用G通道就可以明显呈现出牌照区域的位置，便于后续处理。

原图、灰度图及其直方图见图2与图3。

对于将彩色图像转换成灰度图像时，图像灰度值可由下面的公式计算：

（3-1）

（3-2）

图3-2原图和它的灰度图以及灰度直方图

2、边缘提取

边缘是指图像局部亮度变化显著的部分，是图像风、纹理特征提取和形状特征提取等图像分析的重要基础。

所以在此我们要对图像进行边缘检测。

图象增强处理对图象牌照的可辨认度的改善和简化后续的牌照字符定位和分割的难度都是很有必要的。

增强图象对比度度的方法有：

灰度线性变换、图象平滑处理等。

（1）灰度校