- 1、本文档共55页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
MACROBUTTONMTEditEquationSection2SEQMTEqn\r\hSEQMTSec\r1\hSEQMTChap\r1\h
摘要
摘要
车牌识别技术是智能交通系统中的重要组成部分,它在违章抓拍,不停车收费,停车场管理以及重要场所过往车辆的实时登记等方面都有重要的作用。论文从车牌字符识别的理论出发,基于MATLAB语言对现有的模板匹配,神经网络,基于向量机(SVM)等方法在字符识别过程中的优缺点以及识别率进行系统的研究。论文的主要工作如下:
针对车牌图片的预处理包括去噪,增强,分割,提取字符等等;
构建模板匹配,神经网络,基于向量机(SVM)字符识别的相关测试数据;
分别实现模板匹配字符识别算法,神经网络字符识别算法,基于向量机(SVM)字符识别算法,并做相应识别率的实验,将三者的实验结果进行比对;
基于MATLABGUI做三种算法系统的界面。
关键词:车牌识别模板匹配神经网络向量机识别率
ABSTRACT
ABSTRACT
ABSTRACT
Licenseplaterecognitiontechnologyistheintelligenttransportationsystemanimportantpartofitillegaltocapture,noparking,parkingmanagement,andanimportantplaceinthepast,real-timevehicleregistrationandotheraspectsimportantrole.Papersfromthelicenseplatecharacterrecognitiontheory,MATLABlanguagebasedontheexistingtemplatematching,neuralnetwork,basedonvectormachines(SVM)andothermethodsintheprocessofcharacterrecognitionandtherecognitionrateoftheadvantagesanddisadvantagesofthesystem.Themainworkisasfollows:
Pre-treatment,includingthelicenseplateimagedenoising,enhancement,segmentation,extractionofcharacter,etc.
Constructionoftemplatematching,neuralnetwork,basedonthevectormachine(SVM)testdatarelatedtocharacterrecognition;
Respectively,toachievetemplatematchingalgorithmforcharacterrecognition,neuralnetworkcharacterrecognitionalgorithmbasedonvectormachines(SVM)algorithmforcharacterrecognition,andrecognitionrateaccordinglyexperiment,thethreesidestocomparetheexperimentalresults;
DothreealgorithmsbasedonMATLABGUIinterfaceofthesystem.
Keywords:LicensePlateRecognitionTemplatematchingNeuralnetworkVectorRecognitionrate
ii 目录
目录 PAGEi
目录
TOC\o1-3\h\z\u第一章序言 1
1.1课题研究背景以及意义 1
1.2本文主要的研究内容 1
第二章车牌图像的预处理 5
2.1图像的平滑处理 5
2.1.1平滑处理的理论 5
2.1.2平滑处理的实现 6
2.2
文档评论(0)