基于神經網絡的車牌識別技術的研究及應用.pdf

1、車輛牌照識別技術（License Plate Recognition，LPR）是智能交通系統(tǒng)的一個重要組成部分，它是數(shù)字圖像處理、人工智能技術與模式識別在智能交通系統(tǒng)領域的重要應用。因此，研究和開發(fā)車牌照識別系統(tǒng)對于我國智能交通管理領域有著重要的意義。
　　車牌識別的方法有很多種，目前運用的比較多的是采用BP神經網絡，但是BP神經網絡存在著收斂慢而且容易陷入誤差函數(shù)的局部極值點的缺點，針對這些問題，本文利用遺傳算法具有全局最優(yōu)搜索

2、能力的特點，結合神經網絡的架構對車牌字符識別展開研究。主要內容包括以下三點：
　　第一，利用數(shù)字圖像處理技術對車牌圖像進行預處理，主要包括灰度化、圖像增強與平滑處理、二值化。提出一種基于車牌紋理特征與車牌先驗知識相結合的定位方法，先利用水平差分和垂直差分初定位車牌區(qū)域，再利用先驗知識排除干擾區(qū)域，然后統(tǒng)計車牌區(qū)域像素的跳變次數(shù)，以此去掉假車牌區(qū)域，最后精確定位車牌。
　　第二，采用結合輪廓提取的Hough變換進行車牌圖像的傾

3、斜校正，可以大大降低運算量，并且取得了較好的效果。接著去除車牌的上下邊框與鉚釘，再利用垂直投影圖與車牌字符特征相結合的方法分割字符，然后對分割好的字符進行歸一化與緊縮重排處理。
　　第三，將遺傳算法與神經網絡結合起來進行車牌字符訓練和識別。利用遺傳算法訓練神經網絡，找到最佳的權值和閾值。對傳統(tǒng)的遺傳算法進行了改進，采用實數(shù)編碼的方式，提高了網絡權值與閾值的計算精度，運用多種交叉方式并行交叉，拓寬了物種范圍，利于搜索到全局最優(yōu)解，自