原文传递
基于离散Hopfield神经网络的车牌字符识别技术研究
| 论文题名： | 基于离散Hopfield神经网络的车牌字符识别技术研究 |
| 关键词： | 车牌定位;字符识别;Hopfield神经网络;模板匹配;图像处理 |
| 摘要： | 近年来，中国汽车的数量随着经济的发展急剧上升，给汽车管理部门带来了极大的压力，以往靠人工登记车牌的方法已然跟不上时代的发展，因此车牌自动识别技术的重要性不言而喻。由于车牌自动识别系统(LPR，License Plate Recognition)能有效提高交通管理的效率，为人们的生活带来便利，其研究工作逐渐成为众多学者的关注，它在智能交通管理应用中有着重要的地位，常应用于电子警察、停车场管理系统、高速公路超速自动化管理系统、小区车辆管理系统等设备。 车牌识别技术主要包括车牌图像预处理、车牌定位、车牌字符切割和车牌字符识别等，本文针对这几个关键环节进行了深入学习研究，且主要重心放在车牌字符识别技术上，采用人工神经网络结合数字图像处理技术，完成车牌识别过程中的一系列操作。由先验知识知，BP神经网络在运行过程中，若样本数量少，效果不太理想。因此需要大量样本进行试验，从而需要较长的时间来完成大量的计算，不符合车牌自动识别系统对实时性的要求。在结合先验知识与反复实验后，本文采用基于边缘检测及颜色特征提取相结合的车牌定位算法进行车牌定位;采用基于改进垂直投影算法进行车牌字符切割;并尝试采用离散Hopfield神经网络结合模板匹配的算法，实现车牌字符的识别。离散Hopfield神经网络最大的特点是具有联想记忆功能，该功能不仅能对不完整字符进行联想记忆，识别出缺失字符，还可以对受噪声污染的字符，进行去噪，这也是选取该算法的主要依据。 在研究车牌识别技术的过程中，反复试验，设计了一套完整的车牌识别程序，并进行了MATLAB模拟仿真。实践表明，基于Hopfield神经网络的识别技术能有效提高车牌字符的识别率。相信在未来智能交通的发展中，本技术有很高的研究意义及应用潜能。 |
| 作者： | 周雪婷 |
| 专业： | 电子与通信工程 |
| 导师： | 刘辉 |
| 授予学位： | 硕士 |
| 授予学位单位： | 湖南师范大学 |
| 学位年度： | 2015 |
| 正文语种： | 中文 |
检索历史
应用推荐
