原文传递
基于多种特征提取组合的BP神经网络车牌汉字识别
| 论文题名： | 基于多种特征提取组合的BP神经网络车牌汉字识别 |
| 关键词： | 汉字识别;神经网络;车牌图像;抗干扰能力 |
| 摘要： | 我国在2009年成为世界第一大汽车产销国，伴随着国内经济的高速发展，国内车辆保有量直线上升，截止至2014年低，我国汽车保有量已经达到1.54亿辆，小型载客汽车达到了1.17亿辆，这使得交通问题日益严重，发展智能交通系统成为十分迫切的需求。车牌识别是其中至关重要的一环，它可以应用于交通系统的各个领域，帮助处理各类问题。 车牌包括汉字、字母和数字，相对于字母和数字来说，汉字的结构复杂，因此汉字识别时车牌识别中的重点和难点。近些年来，国内的研究人员提出了不少方法对车牌进行识别，对于成像质量较好的车牌图像，汉字识别率已经达到了一个非常高的水准，但是对于污损和模糊等状态的车牌图像，识别率仍需提高。 本文针对车牌拍摄等问题造成成像质量不高等问题进行以下工作，车牌汉字的归一化处理；采用投影法对车牌汉字进行粗分类；由于BP神经网络具有较强的抗干扰能力和自学习能力，使用改进的BP神经网络对已经进行粗分类的汉字进行识别能取得更好的效果。并与传统方法进行对比，可以得到采用改进的BP神经网络设计的车牌汉字识别器具有更好的识别率和抗干扰能力。 |
| 作者： | 李振宇 |
| 专业： | 计算机科学与技术 |
| 导师： | 张仁津 |
| 授予学位： | 硕士 |
| 授予学位单位： | 贵州师范大学 |
| 学位年度： | 2015 |
| 正文语种： | 中文 |
检索历史
应用推荐
