改進BP神經(jīng)網(wǎng)絡的車牌識別技術研究與實現(xiàn).pdf

1、近年來，圖像處理技術已經(jīng)成為科學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)領域中，隨著對車牌識別技術(LPR)的應用更加廣泛，在技術上也有了更深入的研究。相比傳統(tǒng)算法識別，神經(jīng)網(wǎng)絡對圖像分析識別的自適應、泛化性能優(yōu)勢更突出。本文主要通過圖像處理技術和BP神經(jīng)網(wǎng)絡技術的學習與研究，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行改進，并基于慣性校正法與批處理思想相結合的方法

2、對標準BP算法進行改進。
　　首先，對國內車牌標準等相關先驗知識和研究現(xiàn)狀進行了較為詳細的描述。隨后對采集的車牌圖像進行圖片預處理操作，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)學處理將目標圖像中重點識別的區(qū)域進行增強，保留目標邊緣信息，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，為了增強目標圖像的檢測性，提高后續(xù)字符分割的準確性。先將車牌

3、進行了二值化操作，隨后對傾斜的車牌進行校正，通過對比最小二乘法和Radon變換法處理效果，本文選擇Radon變換對圖像進行校正并基于最大類間方差的模板匹配對字符進行分割。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)字進行特征提取。針對漢字結構更為復雜性，本文基于13特征提取法進行了改進，通過增加提取特征數(shù)值，從而提升神經(jīng)網(wǎng)絡識別速率和準確率。
　　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