论文部分内容阅读
经济发展迅速、汽车数量迅猛增加是我国现在的特点之一,我国加大了许多基础设施的发展,其中作为基础设施之一的公路交通开始被重视。交通管理发展的主要要点是在大力发展电子信息技术的基础上力求管理以及交通等方面的高效率,使得智能交管系统朝着更加稳定的方向发展。为了增强交通管理的现代化和智能化,车牌自动识别技术是其关键。拥有广泛应用前景的车牌自动识别技术较传统的车辆管理方法,不仅在管理效率和水平上优势明显,而且还节约人力和物力。使得车辆管理朝着越来越科学化和规范化的方向发展,保障了交通安全。在模式认知的广阔领域中,研究方向有所转变,神经网络开始为其核心。在与其它较为古老的方法比较当中,神经网络系统有着非常明显的优点:并行性较高、不是线性的、较高的冗余,非线性度很高、自己学习的能力、自己组织的能力等等。随着人们对智能交管系统中车牌识别精准度要求的不断提高,将神经网络理论用在车牌识别中是很有意义和价值的。本文首先研究了车牌识别已经有的相关技术,并对国内、国外在这个方面的研究状况也做了分析。然后提出在车牌照字符识别的过程中以把BP神经网络与图形处理结合在一起的方式,应用BP对车牌图像进行大量相关的一系列处理,如图像的灰度化处理、将车牌图像进行二值化、切分车牌字符图像、车牌字符图像的归一化处理、将车牌图像字符的特征给提取出来。灰度化、二值化、字符切分、归一化是以更好的体现出字符信息、有利于特征值提取为目的。本文在对BP神经网络的算法进行了若干优化和改变的基础上,对BP网络进行训练时提出了辅以动量的梯度下降法,取得了良好效果:不仅振荡趋势得以减小,在速度的收敛方面也得到了改善,最终顺利完成车牌字符识别。98.48%识别率的实验结果表明,将神经网络技术应用于图形图像处理中的方法,具有较好效果,是可行的。