改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的車牌識(shí)別技術(shù)研究與實(shí)現(xiàn).pdf

1、近年來(lái)，圖像處理技術(shù)已經(jīng)成為科學(xué)研究不可缺少的強(qiáng)有力工具，其中交通管理智能化是未來(lái)交通的必然趨勢(shì)。在智能交通系統(tǒng)(ITS)領(lǐng)域中，隨著對(duì)車牌識(shí)別技術(shù)(LPR)的應(yīng)用更加廣泛，在技術(shù)上也有了更深入的研究。相比傳統(tǒng)算法識(shí)別，神經(jīng)網(wǎng)絡(luò)對(duì)圖像分析識(shí)別的自適應(yīng)、泛化性能優(yōu)勢(shì)更突出。本文主要通過圖像處理技術(shù)和BP神經(jīng)網(wǎng)絡(luò)技術(shù)的學(xué)習(xí)與研究，在字符特征值提取和識(shí)別算法這兩個(gè)方面，對(duì)漢字字符特征值提取方法進(jìn)行改進(jìn)，并基于慣性校正法與批處理思想相結(jié)合的方法

2、對(duì)標(biāo)準(zhǔn)BP算法進(jìn)行改進(jìn)。
　　首先，對(duì)國(guó)內(nèi)車牌標(biāo)準(zhǔn)等相關(guān)先驗(yàn)知識(shí)和研究現(xiàn)狀進(jìn)行了較為詳細(xì)的描述。隨后對(duì)采集的車牌圖像進(jìn)行圖片預(yù)處理操作，除去樣本圖片中大量非識(shí)別信息，增強(qiáng)了圖像的對(duì)比度。利用形態(tài)學(xué)處理將目標(biāo)圖像中重點(diǎn)識(shí)別的區(qū)域進(jìn)行增強(qiáng)，保留目標(biāo)邊緣信息，剔除噪聲邊緣。清除車牌自身的噪聲之后，使得車牌區(qū)域聯(lián)通成一個(gè)整體，并基于車牌的幾何特性定位出車牌信息。
　　其次，為了增強(qiáng)目標(biāo)圖像的檢測(cè)性，提高后續(xù)字符分割的準(zhǔn)確性。先將車牌

3、進(jìn)行了二值化操作，隨后對(duì)傾斜的車牌進(jìn)行校正，通過對(duì)比最小二乘法和Radon變換法處理效果，本文選擇Radon變換對(duì)圖像進(jìn)行校正并基于最大類間方差的模板匹配對(duì)字符進(jìn)行分割。最后通過歸一化處理統(tǒng)一提取字符大小之后，使用13特征提取法對(duì)英文字母和數(shù)字進(jìn)行特征提取。針對(duì)漢字結(jié)構(gòu)更為復(fù)雜性，本文基于13特征提取法進(jìn)行了改進(jìn)，通過增加提取特征數(shù)值，從而提升神經(jīng)網(wǎng)絡(luò)識(shí)別速率和準(zhǔn)確率。
　　最后，分析了BP算法在車牌識(shí)別過程中的不足，介紹了常用的