基于粗糙集和神經(jīng)網(wǎng)絡結合的車牌識別系統(tǒng)的研究.pdf

1、　　由波蘭學者Z.Pawlak提出的粗糙集理論，是一種研究不精確、不確定性知識的數(shù)學工具。利用粗糙集理論，可以方便地描述知識表示中不同屬性的重要性，減少知識表示空間的維數(shù)，但其模式識別基于規(guī)則匹配方法，對噪聲敏感，泛化能力不強。而神經(jīng)網(wǎng)絡以其優(yōu)越的泛化能力和容錯能力，廣泛用于模式識別中。二者的結合既可以簡化信息處理的復雜性，又可以提高信息處理的精度。汽車牌照的自動識別是機器視覺與模式識別技術在智能交通領域的重要應用，進行基于粗糙集與神經(jīng)

2、網(wǎng)絡結合的車牌識別系統(tǒng)的研究具有一定的理論意義和實踐價值?！　”疚慕Y合粗糙集與神經(jīng)網(wǎng)絡理論，用于車牌識別系統(tǒng)，完成了以下工作：　　1.實現(xiàn)了四種圖像二值化方法：類內(nèi)最小交叉熵法、類間最大交叉熵法、類內(nèi)最小模糊散度法和類間最大模糊散度法?！　?.在車牌定位方法的研究上，提出了一種基于顏色分析的車牌定位方法，對車牌的大小、汽車在圖像中的位置以及圖像背景的限制較少，定位效果好?！　?.在基于粗糙集的知識獲取的研究上，提出了兩種屬性離散

3、化算法：基于NCL聚類學習方法的屬性離散化算法和基于自組織特征映射網(wǎng)的屬性離散化算法；提出了三種改進的屬性約簡算法：改進的代數(shù)集合算法、重要度加權平均算法和改進的可辨識矩陣算法。　　4.在車牌字符識別的研究上，利用粗糙集理論的知識獲取和知識約簡能力，以及神經(jīng)網(wǎng)絡的學習能力和泛化能力，構造車牌字符識別系統(tǒng)。該系統(tǒng)既簡化了識別系統(tǒng)的結構，又提高了知識的泛化能力。在此基礎上，將粗糙集、神經(jīng)網(wǎng)絡和模糊邏輯相結合，提出了一種粗糙模糊神經(jīng)網(wǎng)絡識別