铁路货车车号识别的算法研究

论文摘要

铁路货车车号识别是图像处理与模式识别的重要应用之一。铁路货车在野外使用过程中车号区域容易受灰尘或运输货物的污损,从而导致车号模糊不清,有些甚至残缺,同时车号在粉刷过程中经常存在粘连和断裂的现象,因此基于机器视觉的铁路货车车号识别系统应用还比较少。本文对铁路货车车号识别中的有关算法进行了研究,提高了铁路货车车号识别系统的识别率,满足了实际应用要求。本文的主要研究内容包括以下几个方面:1.在车号图像预处理的过程中,分别对车号区域定位算法、图像去噪算法、图像二值化算法进行了研究。在图像二值化的过程中,本文利用Otsu算法与灰度直方图算法相结合的算法对车号图像进行了有效地二值化处理。2.针对铁路货车车号中存在的粘连与断裂现象,本文深入研究了基于投影分割的算法、最短路径分割算法、基于识别的粘连字符分割方法,以及断裂字符分割中的分割搜索树算法和基于弧特征的分割算法。通过对铁路货车车号区域的结构分析,利用投影法与最短路径算法相结合的方法对车号字符中存在的粘连字符进行了分割,结合数字中存在的左右弧特征及字符的宽度特征对车号字符中存在的断裂字符进行了分割,实现了车号字符的有效分割。3.系统介绍了字符识别中常用的特征提取方法,设计了基于Hu不变矩与数字结构特征相结合的数字特征。7个Hu不变矩特征保证了字符的旋转不变性、平移不变性和尺度不变性,字符的凹特征、中线特征、圆形度等特征增强了不同字符之间的差异性。利用模板匹配法和BP神经网络方法对铁路货车进行了识别试验,最后运用BP神经网络对铁路货车车号进行了识别。4.设计实现了铁路货车车号识别系统。在VC6.0环境下,调用部分OpenCV库函数,实现了铁路货车车号识别,系统主要包括图像预处理、特征提取、车号识别三个模块。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• §1-1 引言
• §1-2 铁路货车车号识别的分类
• 1-2-1 基于射频的货车车号识别
• 1-2-2 基于图像处理的货车车号识别
• §1-3 铁路货车车号识别的发展状况
• 1-3-1 国内外铁路货车车号识别的研究现状
• 1-3-2 铁路货车车号识别中的难点
• §1-4 本文的组织结构
• 1-4-1 本论文的研究内容
• 1-4-2 本论文的章节安排
• 第二章 铁路货车车号识别的预处理
• §2-1 图像的平滑
• 2-1-1 频率域平滑
• 2-1-2 空间域平滑
• §2-2 车号区域定位
• 2-2-1 基于数学形态学的车号区域定位
• 2-2-2 基于边缘检测的车号区域定位
• 2-2-3 本文所采用的车号定位方法
• §2-3 图像的二值化
• 2-3-1 图像的二值化方法
• 2-3-2 实验结果分析
• §2-4 本章小结
• 第三章 车号字符分割
• §3-1 粘连字符的分割
• 3-1-1 基于投影分析的分割
• 3-1-2 最短路径分割
• 3-1-3 基于识别的分割方法
• §3-2 断裂字符的分割
• 3-2-1 分割搜索树算法
• 3-2-2 基于弧特征的车号分割
• §3-3 本文的字符分割算法
• 3-3-1 车号字符分割算法
• 3-3-2 试验结果分析
• §3-4 本章小结
• 第四章 铁路货车车号字符的特征提取与识别
• §4-1 车号字符的特征提取
• 4-1-1 骨架方向特征提取法
• 4-1-2 网格特征提取法
• 4-1-3 矩特征提取法
• 4-1-4 本文的特征提取方法
• 4-1-5 实验结果分析
• §4-2 车号字符的识别
• 4-2-1 模板匹配
• 4-2-2 BP 神经网络
• 4-2-3 实验结论与分析
• §4-3 本章小结
• 第五章系统实现及实验数据分析
• §5-1 系统的设计
• 5-1-1 系统的环境配置
• 5-1-2 系统的主要组成
• 5-1-3 系统运行流程与窗口控制
• §5-2 系统的测试与试验结果分析
• 第六章 总结与展望
• §6-1 总结
• §6-2 展望
• 参考文献
• 致谢
• 攻读学位期间所取得的相关科研成果