原文传递
基于BP神经网络的车牌字符识别算法研究
| 论文题名： | 基于BP神经网络的车牌字符识别算法研究 |
| 关键词： | 智能交通;车辆牌照识别;BP神经网络 |
| 摘要： | 车辆牌照识别LPR(License Plate Recognition)技术是智能交通系统ITS(Intelligent Transportation System)的核心技术之一，主要包括车牌定位、字符分割和字符识别三部分，其中字符识别是该系统的关键技术。神经网络模式识别是近年来兴起的模式识别领域的一个重要研究方向。它所具有的高度非线性和自学习、自组织能力使它具有独特的优势。 本文选择基于BP神经网络的模式识别技术作为识别的方法，选取基于灰度图像的K-L变换特征、基于二值化图像的K-L变换特征、VTD、HTD特征等几种不同的字符特征分别作为神经网络的输入，进行神经网络训练，实现车牌字符识别分别统计几种方法的识别准确率和识别时间，比较其优缺点；并提出修正识别结果的改进方法。在智能交通系统(ITS)中，人们对车牌识别系统的准确性不断提出新的要求，因此把神经网络理论应用到车牌识别中，具有很好的理论意义和实践价值。 |
| 作者： | 梁晓龙 |
| 专业： | 交通信息工程及控制 |
| 导师： | 张向东 |
| 授予学位： | 硕士 |
| 授予学位单位： | 西安电子科技大学 |
| 学位年度： | 2010 |
| 正文语种： | 中文 |
检索历史
应用推荐
