基于改進BP神經(jīng)網(wǎng)絡的車牌識別算法研究.pdf

1、隨著我國公路交通事業(yè)的發(fā)展,提高公路交通配套設施的自動化程度及其效率日益成為關注的焦點?；趫D像的車輛自動化識別系統(tǒng)能有效提高整個公路運輸?shù)臋C動性、安全性和生產(chǎn)效率,具有廣闊的發(fā)展前景和巨大的經(jīng)濟價值。
　　針對這方面的迫切需求,本文結合對前人己有技術經(jīng)驗的研究和分析,從車牌定位、車牌分割和字符識別三方面著手,詳細闡述了基于車牌圖像的車輛自動化識別系統(tǒng)關鍵技術部分的理論方法的優(yōu)劣,并提出了一種基于改進BP神經(jīng)網(wǎng)絡對車牌進行識別的方

2、法。
　　主要涉及了以下一些工作:首先是圖像預處理,該階段主要是將原始的車輛圖像進行灰度增強、直方圖均衡化、二值化;在車牌定位及識別階段,本文根據(jù)車牌的特征,對多特征、多神經(jīng)元網(wǎng)絡集成識別方法進行了研究,提出了基于邊緣檢測與改進BP神經(jīng)網(wǎng)絡及垂直投影相結合的車牌定位、字符識別方法。結果表明,該方法定位準確度較單一邊緣檢測定位法要高,能較大程度地提高車牌定位率。
　　利用BP神經(jīng)網(wǎng)絡對車牌進行識別有著許多的優(yōu)勢,但仍存在許多的

3、問題。標準BP算法實質上是把一組樣本輸入輸出問題轉化為一個非線性優(yōu)化問題,并通過負梯度下降算法利用迭代運算求解權值問題的一種學習方法。但是標準BP算法尚存在一些缺陷:易形成局部極小而得不到整體最優(yōu),迭代次數(shù)多,收斂速度慢。針對標準BP算法的缺點,本文提出了對BP網(wǎng)絡的激勵函數(shù)進行了改進,并用matlab7對改進后的BP網(wǎng)絡性能進行仿真。為提高BP網(wǎng)絡的運行效率,先將圖像進行濾波和降維處理,再運用獨立成分分析提取圖像的獨立成分,將原來較大