基于離散Hopfield神經(jīng)網(wǎng)絡(luò)的車牌字符識(shí)別技術(shù)研究.pdf

1、近年來，中國汽車的數(shù)量隨著經(jīng)濟(jì)的發(fā)展急劇上升，給汽車管理部門帶來了極大的壓力，以往靠人工登記車牌的方法已然跟不上時(shí)代的發(fā)展，因此車牌自動(dòng)識(shí)別技術(shù)的重要性不言而喻。由于車牌自動(dòng)識(shí)別系統(tǒng)(LPR，License Plate Recognition)能有效提高交通管理的效率，為人們的生活帶來便利，其研究工作逐漸成為眾多學(xué)者的關(guān)注，它在智能交通管理應(yīng)用中有著重要的地位，常應(yīng)用于電子警察、停車場(chǎng)管理系統(tǒng)、高速公路超速自動(dòng)化管理系統(tǒng)、小區(qū)車輛管理系

2、統(tǒng)等設(shè)備。
　　車牌識(shí)別技術(shù)主要包括車牌圖像預(yù)處理、車牌定位、車牌字符切割和車牌字符識(shí)別等，本文針對(duì)這幾個(gè)關(guān)鍵環(huán)節(jié)進(jìn)行了深入學(xué)習(xí)研究，且主要重心放在車牌字符識(shí)別技術(shù)上，采用人工神經(jīng)網(wǎng)絡(luò)結(jié)合數(shù)字圖像處理技術(shù)，完成車牌識(shí)別過程中的一系列操作。由先驗(yàn)知識(shí)知，BP神經(jīng)網(wǎng)絡(luò)在運(yùn)行過程中，若樣本數(shù)量少，效果不太理想。因此需要大量樣本進(jìn)行試驗(yàn)，從而需要較長的時(shí)間來完成大量的計(jì)算，不符合車牌自動(dòng)識(shí)別系統(tǒng)對(duì)實(shí)時(shí)性的要求。在結(jié)合先驗(yàn)知識(shí)與反復(fù)實(shí)驗(yàn)后，

3、本文采用基于邊緣檢測(cè)及顏色特征提取相結(jié)合的車牌定位算法進(jìn)行車牌定位;采用基于改進(jìn)垂直投影算法進(jìn)行車牌字符切割;并嘗試采用離散Hopfield神經(jīng)網(wǎng)絡(luò)結(jié)合模板匹配的算法，實(shí)現(xiàn)車牌字符的識(shí)別。離散Hopfield神經(jīng)網(wǎng)絡(luò)最大的特點(diǎn)是具有聯(lián)想記憶功能，該功能不僅能對(duì)不完整字符進(jìn)行聯(lián)想記憶，識(shí)別出缺失字符，還可以對(duì)受噪聲污染的字符，進(jìn)行去噪，這也是選取該算法的主要依據(jù)。
　　在研究車牌識(shí)別技術(shù)的過程中，反復(fù)試驗(yàn)，設(shè)計(jì)了一套完整的車牌識(shí)別程