臺灣博碩士論文加值系統

有鑒於現今的科技時代社會裡，車輛的使用頻繁，因此所衍生出種種問題，例如：停車場的管理、贓車的查詢等等，這些問題需要有效的管理；為了使進出車輛方便管理，需要自動辨識系統進行車牌辨識。本研究主要是針對特定範圍內的汽、機車車牌進行辨識，目的為減少人力、減少費用支出、提高準確性等等；影響辨識的準確度有許多，例如：光線、晃動、車牌上的污損等等，都會使辨識有所誤差，此研究就是針對這些問題加以克服，提高辨識率。
本實驗使用樣板比對法與類神經網路進行辨識動作。車牌採用靜態固定式的擷取，再進行車牌定位、字元的分割、字元的辨識三大部分。由於類神經網路具有抗雜訊、容失真的特性[6]，在辨識率上有很好的表現，近年來被廣為應用於車牌辨識方面。
實驗結果部份：在樣板比對法方面，單字元辨識成功率為98.52%，車牌成功辨識率為84.6%；類神經網路辨識方面，單字元辨識成功率為96.5%，車牌成功辨識率為93.57%，由於類神經網路加入了加權值的觀念，讓字元中較重要的點更加突顯出來，使整體的辨識率提高。

In the modern technological society, the use of the vehicle is frequent, many sorts of questions derived out. For example: Management of the parking area , inquiry of the stolen car ,etc., these questions need management; In order to make it efficient Management of the parking area need Vehicle License Plate Recognition System.
In this paper, in order to reduce human power and money, also to improve the average accuracy, in this paper, the research Vehicle License Plate Recognition System is focus in restricted area.

Excellent result: In the decision-theoretic pattern recognition, the average accuracy is 98.52% for the character recognition phase, correctly recognized archiving 84.6% ; In the Artificial neural networks, ,the average accuracy is 96.5% for the character recognition phase, correctly recognized archiving 93.57%. The structure of the neural network is minimal with no hidden layer to minimize the computations. The idea of template matching with intelligent initiations and trainings was developed.

中文摘要 i
英文摘要 ii
誌謝 iii
目錄 iv
表目錄 vi
圖目錄 vii
第一章 緒論 1
1.1 研究動機 1
1.2 研究方向與目的 3
1.3 研究範圍與限制 4
1.4 論文章節組織 5
第二章 文獻探討 6
2.1 灰階影像 6
2.2 影像二值化 8
2.2.1 Otsu 的二值化方法 8
2.2.2 固定臨界值二值化 10
2.2.3 平均值二值化 10
2.3 圖樣辨識 10
2.4 類神經網路 13
2.4.1 類神經網路的發展 13
2.4.2 神經元運算模型 17
2.4.3 類神經網路運作 22
2.5 車牌定位相關研究 24
2.6 車牌字元切割相關研究 25
2.7 車牌辨識相關研究 26
第三章 研究架構 27
3.1 研究架構 27
3.2 前處理 29
3.2.1 二值化 29
3.3 車牌定位 33
3.3.1 車牌邊界偵測 34
3.4 字元的切割 38
3.4.1 正規化車牌字串搜尋法則 39
3.4.2 字元大小處理 40
3.5 樣板比對辨識 41
3.5.1 樣板比對辨識 41
3.5.2 光學文字辨識訓練過程 43
3.5.3 光學文字辨識讀取過程 45
3.6 類神經網路-反傳遞網路法 48
3.6.1 類神經網路演算法 52
第四章 研究結果 63
4.1 單字元辨識 64
4.2 樣板比對法結果 66
4.3 類神經網路辨識結果 69
4.4 辨識失敗整理與說明 70
4.4.1 定位錯誤或失敗 70
4.4 相關研究比較 73
第五章 結論與未來展望 74
5.1 樣板比對法與類神經網路特色、優點 74
5.2 比較與貢獻 75
5.3 未來展望 76
參考文獻 77
附錄
A Build AI 功能簡介 79

1.王振興，『多標的汽機車車牌辨識系統之研究』，元智大學，資訊管
理學系，碩士論文，民國92年。
2.魏銪志，『多標的汽機車車牌辨識系統之研究』，元智大學，資訊管理
學系，碩士論文，民國89年。
3.余松煜 周源華 吳時光，『數位影像處理』，儒林圖書出版，1993.1
4.劉晟志 黃煥超 張隆紋，『數位影像處理 Digital Image
Processing』，儒林圖書出版，1988.11
5.N.Otsu，“A Threshold Selection Method from Gray-Level
Histograms” IEEET Ransactions on SystemMan , and ,Cyber-
Netics, Vol.SMC-9, pp.62-66,1979
6.溫福助，『類神經網路樣板比對法於車牌字元辨識之研究』，國立台灣
大學電機工程學研究所碩士學位論文，2000.6
7.楊武智博士，『影像處理與辨識』，全華圖書出版，1994.12
8.黃國源，『類神經網路與圖型識別 (Neural Networks and Pattern
Recognition)』， 維科圖書出版，2003.3
9.葉怡成，『應用類神經網路』，儒林圖書出版，2001.3
10.林昇甫，洪成安，『神經網路入門與圖樣辨識』，全華出版，1993.9
11.余忠潔，『新的車牌定位方法』，靜宜大學資訊管理學系
12.官宗，『利用數位訊號處理器實現車牌字元辨識系統』，國立台灣大
學電機工程學研究所碩士學位論文，2001.6
13.陳伯岳、蔡銘鑫、梁忠瑋，『離散小波轉換應用於車牌定位及車牌切
割之研究』，朝陽科技大學，
14.葉怡成，『類神經網路模式應用與實作』，儒林、格致圖書出版，
2003.11
15.蕭子健，劉建昇， LabVIEW概論，高立圖書出版，2002.9
16.謝勝治，圖控程式語言-LabVIEW，全華科技圖書出版，2000.11
17.王正男，惠茹生，自動量測系統-LabVIEW，全華科技圖書出版，
2001.7
18.蔡瑞惶，類神經網路概論，三民書局出版，1995.1
19.John J. Hopfield, ‘Artificial Neural Networks’ IEEE , 1988
20.D.W.Tindal1, ‘Application of Neural Network Techniques to
Automatic Licence Plate Recognition’ , IEEE , May 1995, NO.
408
21.Niemann , “A Knowledge-Based Vision System for Industrial
Applications”,1990
22.Rosenfeld, “Computer Vision: Basic Principles”,1998
23.吳成柯、戴善榮、程湘君、雲立實，『數位影像處理』，儒林、格致
圖書出版，1993.2
24.連國珍，『數位影像處理』，儒林、格致圖書出版，1992.9
25.仲崇實，『影像處理與類神經乏晰方法於車輛牌照自動辨識之應用研
究』，私立元智大學資訊研究所，碩士論文，1998