基于神經網絡的綜合集成車牌識別技術的研究及其應用.pdf

1、該文選擇神經網絡模式識別技術作為識別的方法,以車牌定符作為識別對象,進一步研究在干擾情況下的車牌識別問題,以提高車牌識別系統的整體識別能力.論文涉及了以下工作:1、對文本圖像二值化進行了研究,提出了一種基于SOFM(自組織特征映射網)網絡的灰度圖像二值化方法和彩色圖像二值化方法.2、選取了粗網格特征和方向線素特征作為字符的識別特征,并對粗網格特進行了改進,同時對SOFM訓練算法進行了優(yōu)化.采用這種優(yōu)化的算法,對分別使用上面兩種特征作為輸

2、入的SOFM單一分類器進行數字、字母和省份漢字的識別研究.3、對多特征輸入、多神經網絡集成的字符識別方法進行了研究,將Bp網絡分類器與SOFM網絡分類器相結合構造了一種綜合集成的多網絡分類器.4、在理論研究的基礎上,該文采用Visual C++6.0編程語言對相應的算法進行了實現,構造了一個車牌識別系統軟件平臺.該文研究表明:采用多特征輸入的綜合集成網絡分類器與單一分類器相比,可以有效地提高系統的抗干擾性和識別率,同時該文的綜合集成識別