摘 要
为了对车牌字符的识别，本文将BP神经网络应用于汽车车牌的自动识别，在车牌图像进行预处理后的基础上，重点讨论了用BP神经网络方法对车牌照字符的识别。 首先将训练样本做图像预处理，对车牌上的字符进行分割，得到单个字符。对大小不一的字符做归一化后，对字符进行特征提取，把长为15，宽为25的归一化后的图像中的字符信息提取出来，图像中白点置为0，图像中的黑点置为1，这样就得到了15×25的特征向量，这个特征向量记录的就是字符的特征。把这个特征向量送到BP网络中进行训练，得到了训练好的权值，把他保存到“win.dat”和“whi.dat”中。然后打开要识别的图片（即车牌），对图像进行预处理后就可以识别了。识别率也在90%以上，表明该方法的有效性。
关键字：车牌识别；LPR；字符识别；特征提取； BP神经网络；
Abstract
For the discernment to the number plate character, this text applies BP neural network to the automatic discernment of the automobile number plate, on the basis that the number pl
ate picture goes on in advance treated , is it use BP neural network method to car discernment , license plate of character to discuss especially. Will train samples to do the pretreatment of the picture at first, character in number plate cut apart, get the individual character. After making normalization to the character not of uniform size, drew the characteristic to the character 15, wide to draw out for character information of 25 picture behind the normalization, picture white point it puts to be 0, black point of picture is it as 1 , receive 15* 25 characteristic vector quantity like this to put, what the vector quantity of this characteristic is written down is the characteristic of the character . Send the characteristic vector quantity BP network train, get good right value of training, keep him in win.dat and whi.dat. Open picture (namely number plate) discerned to want, go on to picture in advance treated to can discern. The discerning rate is above 90% too; show the validity of this method.
Key word：The number plate discerning；The character discerning；
LPR；The characteristic is drawn；BP neural network；
摘要 Ⅰ
ABSTRACT Ⅱ
第一章概述 1
1.1 基本概念 1
1.2 字符识别简介 2
1.2.1字符识别发展概况 2
1.2.3字符识别原理 4
1.3 国内外研究现状和发展趋势 5
1.4 基于神经网络的字符识别系统 6
1.4.1 系统简介 6
1.4.3系统的软硬件平台 7
第二章字符识别系统中的关键技术 8
2.1 特征提取 8
2.1.1 基本概念 8
2.1.2 区域内部的数字特征 10
2.1.3 基于边界的形状特征 13
2.2 神经网络 18
2.2.1 人工神经元 18
2.2.2 人工神经网络构成 22
2.2.3 人工神经网络的学习规则 23
2.2.4 BP神经网络 24
第三章 系统的实现 31
3.1 系统流程图 31
3.2 程序实现 31
3.3 程序的总体框架 36
第四章 系统使用说明、测试及注意事项 37
4.1 系统使用说明 37
4.2 系统测试 39
4.2.1 数字识别 39
4.2.2 字母识别 40
4.2.3 汉字识别 40
4.2.4 车牌识别 41
4.3 注意事项 41
第五章 结论和展望 42
致谢 43
参考文献 44
外文原文与译文 46
●外文原文 46
●译文 57
第一章 概 述
1.1 基本概念
随着21世纪经济全球化和信息时代的到来，计算机技术、通信技术和计算机网络技术迅猛发展，自动化的信息处理能力和水平不断提高，并在人们社会活动和生活的各个领域得到广泛应用。高速度、高效率的生活节奏，使汽车普及成为必然趋势，交通管理自动化越来越成为亟待解决的问题。在这种情况下，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。目前指纹识别、视网膜识别技术已经到了实用阶段；声音识别技术发展也相当快，而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。
识别（License Plate Recognition, LPR）技术作为交通管理自动化的重要手段，其任务是分析、处理汽车监控图像，自动识别汽车牌号，并进行相关智能化数据库管理。LPR系统可以广泛应用于高速公路电子收费站、出入控制、公路流量监控、失窃车辆查询、停车场车辆管理、公路稽查、监测黑牌机动车、监控违章车辆的电子警察等需要车牌认证的重要场合，尤其在高速公路收费系统中，实现不停车收费技术可提高公路系统的运行效率，LPR系统更具有不可替代的作用，因而对LPR车牌识别技术的研究和应用系统开发具有重要的现实意义。
LPR系统中的两个关键子系统是车牌定位系统和车牌字符分割识别系统。
关于车牌识别技术及定位系统研究，国内外学者已经作了大量工作，但实际效果并不理想，对辅助光源要求高，很难有效解决复杂背景下多车牌识别的技术难题，如：车牌图像的倾斜、车牌表面污秽或磨损、光线干扰等都会影响定位的准确性。传统车牌识别一般仅支持单一车辆，背景比较简单。而当今许多实际应用场合，如在繁忙交通路口临时对欠税费报废挂失等车辆的稽查，则监视区域比较复杂，现有识别方法无法直接应用，一般同时出现多辆汽车，背景有广告牌、树木、建筑物、斑马线以及各种背景文字等。
车牌定位与识别方法，总体来说是图像处理技术与车牌本身特点的有机结合，当然也包括小波分析、神经网络、数学形态学、模糊理论等数学知识的有效运用。一个车牌定位与识别系统基本包括：图像预处理、车牌搜索、车牌定位、车牌校正、车牌字符分割和字符识别结果的输出。本系统主要是在对汽车图像进行细致分析，从而研究车牌定位与识别的算法问题。
1.2 字符识别简介
1.2.1 字符识别发展概况
字符识别发展可分为三个阶段：第一个阶段为初级阶段，在这一阶段中，技术上是应用一维图像的处理方法完成二维图像的识别任务。这样萌芽了一个基本思想—抽取特征向量的构造和它的相关函数。现在此法仍不失为一种重要的匹配方法。第二个阶段为基础理论研究阶段。提出了表示边界的链码法，用于结构分析的细化思想，以及一些离散图形上的拓扑性研究，形成了不仅能抽取局部特征， 而且能抽取大范围的凹凸区域、连通性、孔等特征的算法，完成了作为基础理论核心的“特征抽取理论”，及所谓的K-L展开法工作。第三个阶段为发展阶段。这一阶段的研究工作是技术和实际相结合，针对实际系统的要求和设备可能提供的条件，提出了更为复杂的技术。但就多种方法分类来说为二大方法：相关法和构造解析法。在这两类方法的基础上，已研究出了不同类各具特的实用系统。字符识别系统根据输入设备的不同有如下分类[19]，如图1.1所示：
汽车牌照网上选号图1.1 字符识别分类
目前开展比较多，并进入实用阶段的是光学字符识别系统 (OCR系统)。日本虽说起步不是最早，但因投入了大量的人力和物力，目前处于世界领先地位。七五年日本拥有650台光学字符识别机，进入了实用阶段。到一九七八年，能阅读英文字母、数字、片假名和平假名等118 种OCRT0300上市。之后，其研究方向转向了汉字识别。
我国是从七十年代开始字符研究的。一九七八年，中科院自动化研究所等合作研制出了“倍函自动化分检机”，可识别0～9个数字；一九八七年清华大学研制的汉字识别系统通过了技术鉴定，可识别国家二级汉字库6000多字，识别率可达99%，速度为1字/4秒；一九八七年十二月，西安交大人工智能和机器人研究所研制的汉字识别系统也通过了技术鉴定，同样可识别汉字6000多，识别速度可达1字/1秒，识别率达98%以上，处于国内领先地位。这都为字符识别的实际应用提供了广阔的前景。
发布评论