原文传递
改进BP神经网络的车牌识别技术研究与实现
| 论文题名： | 改进BP神经网络的车牌识别技术研究与实现 |
| 关键词： | 车牌识别;字符分割;模板匹配;特征值提取;BP神经网络 |
| 摘要： | 近年来，图像处理技术已经成为科学研究不可缺少的强有力工具，其中交通管理智能化是未来交通的必然趋势。在智能交通系统(ITS)领域中，随着对车牌识别技术(LPR)的应用更加广泛，在技术上也有了更深入的研究。相比传统算法识别，神经网络对图像分析识别的自适应、泛化性能优势更突出。本文主要通过图像处理技术和BP神经网络技术的学习与研究，在字符特征值提取和识别算法这两个方面，对汉字字符特征值提取方法进行改进，并基于惯性校正法与批处理思想相结合的方法对标准BP算法进行改进。 首先，对国内车牌标准等相关先验知识和研究现状进行了较为详细的描述。随后对采集的车牌图像进行图片预处理操作，除去样本图片中大量非识别信息，增强了图像的对比度。利用形态学处理将目标图像中重点识别的区域进行增强，保留目标边缘信息，剔除噪声边缘。清除车牌自身的噪声之后，使得车牌区域联通成一个整体，并基于车牌的几何特性定位出车牌信息。 其次，为了增强目标图像的检测性，提高后续字符分割的准确性。先将车牌进行了二值化操作，随后对倾斜的车牌进行校正，通过对比最小二乘法和Radon变换法处理效果，本文选择Radon变换对图像进行校正并基于最大类间方差的模板匹配对字符进行分割。最后通过归一化处理统一提取字符大小之后，使用13特征提取法对英文字母和数字进行特征提取。针对汉字结构更为复杂性，本文基于13特征提取法进行了改进，通过增加提取特征数值，从而提升神经网络识别速率和准确率。 最后，分析了BP算法在车牌识别过程中的不足，介绍了常用的改进方法，提出将惯性校正与批处理思想相结合的改进算法，并通过仿真实验对比，该方法网络收敛更快，泛化能力更好，在识别准确率上得到了明显提高。 |
| 作者： | 徐巍 |
| 专业： | 电子与通信工程 |
| 导师： | 黄亮 |
| 授予学位： | 硕士 |
| 授予学位单位： | 浙江工商大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
