汽车牌照识别系统的车牌定位技术研究开题报告内容摘要：
基于神经元网络的方法有基于 BP 网络的牌照定位方法，在算法中，使用一个滑动窗口作为采样窗口，在灰度图 像上依次移动，将窗口覆盖下的图像块作为神经网络的输入，当输入表示出接近 1/2 时，表示滑动窗口下的图像块属于车牌区域，当输出接近 — 1/2 时，表示滑动窗口下的图像属于背景区域。 人工神经网络算法抗干扰性好，但是由于图像中车牌区域通常只占 2— 3%的面积，特征值难以提取，算法也比较复杂。 基于彩色的车牌定位方法有采用多层感知器网络对输入彩色图像进行彩色分割多级混合集成分类器的车牌自动识别方法。 这种方法的主要思想是通过三层 MLPN网络将具有均匀色度空间的彩色图像进行色彩分割，再利用投影法分割出潜在的各种底色的车牌区域。 该方法识别正确率高、车牌定位正确率高达 %。 还有根据彩色边缘检测算子 ColorPrewitt 和彩色边缘检测与区域生长相结合的牌照定位算法。 这种方法的主要思想是通过边缘检测算子 ColorPrewitt 对彩色图像的边缘检测，增强牌照区域，最后利用车牌的先验知识，剔除虚假车牌区，确定真正的车牌区。 毕 业 设 计（论 文）开 题 报 告 三、汽车牌照识别技术的发展前景 在车牌识别系统的性能指标中，识别率和识别速度很大程度上是相互矛盾的，难以同时提高。 除了图像处理以及车牌自动识别技术不够成熟之外，还受到拍摄设备、计算机等硬件设备的性能的限制。 因此，车牌自动定位识别系统还有很大的改进余地，许多工作还需要进一步的探索。 图 1 汽车牌照识别系统框图 图 2 车牌定位算法流程图 毕 业 设 计（论 文）。阅读剩余 0%
本站所有文章资讯、展示的图片素材等内容均为注册用户上传(部分报媒/平媒内容转载自网络合作媒体)，仅供学习参考。
用户通过本站上传、发布的任何内容的知识产权归属用户或原始著作权人所有。如有侵犯您的版权，请联系我们反馈本站将在三个工作日内改正。