基于數(shù)學形態(tài)學和多級神經(jīng)網(wǎng)絡的車牌識別技術研究.pdf

1、車輛牌照自動識別技術是智能交通系統(tǒng)的關鍵技術之一，是計算機視覺與模式識別技術在現(xiàn)代化智能交通管理領域中的一項重要研究課題。在城市智能交通系統(tǒng)中，車輛牌照自動識別系統(tǒng)的應用十分廣泛。隨著數(shù)學形態(tài)學和神經(jīng)網(wǎng)絡的發(fā)展，其良好的性能在車牌識別問題中得到了廣泛應用。然而，數(shù)學形態(tài)學中固定大小的結(jié)構(gòu)元素并不適用于大小變化的車牌圖像，對于結(jié)構(gòu)元素的自適應選取仍然是個棘手的問題。此外，BP神經(jīng)網(wǎng)絡的局部最優(yōu)和慢收斂的問題對車牌識別的精度和速度都造成了較

2、大影響，因此網(wǎng)絡學習速率和訓練過程還不夠理想，也迫切需要得到改善。
　　本文提出了自適應的車牌定位算法和基于模擬退火的多級神經(jīng)網(wǎng)絡字符識別算法。自適應車牌定位算法利用遺傳模擬退火算法在全局范圍內(nèi)搜索最優(yōu)值，優(yōu)化選取結(jié)構(gòu)元素，而無需根據(jù)先驗知識來確定結(jié)構(gòu)元素?；谀M退火算法的多級神經(jīng)網(wǎng)絡字符識別算法設計了自適應學習速率，通過梯度直接參與學習速率的計算，既保證了學習效果又加快了學習速度；設計了傳遞函數(shù)加速因子，用輸出層與隱含層的權(quán)值

3、修正量，協(xié)調(diào)輸入層與隱含層的權(quán)值修正量，提高了網(wǎng)絡的收斂速度；采用帶記憶的簡化判斷函數(shù)的模擬退火算法訓練神經(jīng)網(wǎng)絡，使以前的最優(yōu)解能夠參與新的迭代計算，克服了局部最優(yōu)，減少了計算量；針對易混字符，設計了兩級神經(jīng)網(wǎng)絡模型，通過采用不同的特征提取算法對字符識別，增加了字符特征向量表征字符，提高了識別準確率。此外，針對復雜背景下的車牌圖像采用了自適應光照補償，提高了車牌定位精度和字符識別的準確率。
　　實驗結(jié)果表明，本文提出的自適應車牌定