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

1、近年來，圖像處理技術(shù)已經(jīng)成為科學(xué)研究不可缺少的強有力工具，其中交通管理智能化是未來交通的必然趨勢。在智能交通系統(tǒng)(ITS)領(lǐng)域中，隨著對車牌識別技術(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)算法識別，神經(jīng)網(wǎng)絡(luò)對圖像分析識別的自適應(yīng)、泛化性能優(yōu)勢更突出。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別算法這兩個方面，對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、對標(biāo)準(zhǔn)BP算法進(jìn)行改進(jìn)。
　　首先，對國內(nèi)車牌標(biāo)準(zhǔn)等相關(guān)先驗知識和研究現(xiàn)狀進(jìn)行了較為詳細(xì)的描述。隨后對采集的車牌圖像進(jìn)行圖片預(yù)處理操作，除去樣本圖片中大量非識別信息，增強了圖像的對比度。利用形態(tài)學(xué)處理將目標(biāo)圖像中重點識別的區(qū)域進(jìn)行增強，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，為了增強目標(biāo)圖像的檢測性，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，隨后對傾斜的車牌進(jìn)行校正，通過對比最小二乘法和Radon變換法處理效果，本文選擇Radon變換對圖像進(jìn)行校正并基于最大類間方差的模板匹配對字符進(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特征提取法對英文字母和數(shù)字進(jìn)行特征提取。針對漢字結(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)識別速率和準(zhǔn)確率。
　　最后，分析了BP算法在車牌識別過程中的不足，介紹了常用的