基于神經(jīng)網(wǎng)絡(luò)的綜合集成車(chē)牌識(shí)別技術(shù)的研究及其應(yīng)用.pdf

1、該文選擇神經(jīng)網(wǎng)絡(luò)模式識(shí)別技術(shù)作為識(shí)別的方法,以車(chē)牌定符作為識(shí)別對(duì)象,進(jìn)一步研究在干擾情況下的車(chē)牌識(shí)別問(wèn)題,以提高車(chē)牌識(shí)別系統(tǒng)的整體識(shí)別能力.論文涉及了以下工作:1、對(duì)文本圖像二值化進(jìn)行了研究,提出了一種基于SOFM(自組織特征映射網(wǎng))網(wǎng)絡(luò)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(wǎng)格特征和方向線(xiàn)素特征作為字符的識(shí)別特征,并對(duì)粗網(wǎng)格特進(jìn)行了改進(jìn),同時(shí)對(duì)SOFM訓(xùn)練算法進(jìn)行了優(yōu)化.采用這種優(yōu)化的算法,對(duì)分別使用上面兩種特征作為輸

2、入的SOFM單一分類(lèi)器進(jìn)行數(shù)字、字母和省份漢字的識(shí)別研究.3、對(duì)多特征輸入、多神經(jīng)網(wǎng)絡(luò)集成的字符識(shí)別方法進(jìn)行了研究,將Bp網(wǎng)絡(luò)分類(lèi)器與SOFM網(wǎng)絡(luò)分類(lèi)器相結(jié)合構(gòu)造了一種綜合集成的多網(wǎng)絡(luò)分類(lèi)器.4、在理論研究的基礎(chǔ)上,該文采用Visual C++6.0編程語(yǔ)言對(duì)相應(yīng)的算法進(jìn)行了實(shí)現(xiàn),構(gòu)造了一個(gè)車(chē)牌識(shí)別系統(tǒng)軟件平臺(tái).該文研究表明:采用多特征輸入的綜合集成網(wǎng)絡(luò)分類(lèi)器與單一分類(lèi)器相比,可以有效地提高系統(tǒng)的抗干擾性和識(shí)別率,同時(shí)該文的綜合集成識(shí)別