基于bp网络的车牌识别系统的设计论文（本科）毕业设计论文.doc

一、原始依据（包括设计或论文的工作基础、研究条件、应用环境、工作目的等。） 工作基础：了解C++的基本概念和语法，熟练使用Visual C++软件。 研究条件：依据BP神经网络的基本原理完成算法实现。 应用环境：基于BP神经网络的图像文件中的识别。 工作目的：熟练掌握Visual C++应用程序的开发。 了解人工智能的基本概念以及神经网络的基本原理。 熟练掌握Visual C++中的图片处理的基本方法。 二、参考文献 [1]人工智能原理及其应用，王万森，电子工业出版社，2007. [2]VC++深入详解，孙鑫，电子工业出版社，2006. [3]人工神经网络原理, 马锐，机械工业出版社，2010. [4]Visual C++数字图像处理典型案例详解，沈晶，机械工业出版社，2012. [5]Application of Image Processing to the Characterization of Nanostructures，Manuel F. M. Costa，Reviews on Advanced Materials Science,2004. 三、设计（研究）内容和要求（包括设计或研究内容、主要指标与技术参数，并根据课题性质对学生提出具体要求。） 1、掌握C++的基本概念和语法。 2、了解神经网络的基本原理。 3、完成Visual C++中对于图像的预处理。 4、完成基于样本的神经网络的训练以及图像中的识别，并对其性能进行统计和总结。 指导教师（签字） 年 月 日 审题小组组长（签字） 年 月 日 BP Back Propagation 神经网络是1986年由Rumelhart和McClelland为首的科学家小组提出, 是一种按误差逆传播算法训练的多层前馈网络,是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系,而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法,通过反向传播来不断调整网络的权值和阈值,使网络的误差平方和最小。 智能交通管理系统是21世纪道路交通管理的发展趋势。高速公路的不断发展和车辆管理体制的不断完善，为以图像识别为基础的智能交通管理系统进入实际应用领域提供了契机。基于BP网络的车牌识别系统正是在这种应用背景下研制出来的，它能够自动、实时地识别车辆牌照，从而监控车辆的收费、闯关、欠费以及各种舞弊现象。 车牌识别的实质是对车牌上的数字、字母和汉字进行快识别并以字符的形式输出识别结果，字符识别是整个车牌识别过程的关键所在。由于图像获取时的外界环境不同的影响，系统必须保证能够在任何天气情况下全天不间断的正常工作。因此，对于研究基于BP网络的车牌识别系统有重要的意义。 从上世纪90年代初，基于图像处理的车牌识别技术的研究在欧美发达国家已经兴起。比如在美国、意大利、德国、以色列、新加坡等国家，都已经有比较成熟的产品投入了应用，如以色列的Hi-Tech公司的See/Car System系列产品，美国的（AUTOSCOF）[2003系统]，香港Asia Vision Technology公司的VECON 产品，德国西门子公司的ARTEM7S系统，新加坡Optasia公司的VLPRS产品等，其中VECON和VLPRS产品主要适合于香港和新加坡的车牌，Hi-Tech公司Visual C++应用程序的开发熟练掌握Visual C++中的图片处理的基本方法。 车牌识别系统主要包括图像预处理、车牌定位、字符分割、字符识别四个步骤，总体流程图如上图所示。 1、图像预处理：该单元对拍摄的汽车图片进行灰度化边缘检测等处理。在外界光照不均匀，光照强度不稳定的情况下，通过摄像机采集到的车牌原始图像会模糊不清，因此需要对其进行图像增强的处理。 2、车牌定位：对预处理过的汽车牌照图片进行处理，把车牌部分进行定位，删除无用区域，得到车牌图片。从原图像中提取出需要的部分舍弃不需要的部分，以便节省系统识别时间。 3、字符分割：把车牌图像中的每个字符从整个图像中分割出来，使其成为单个字符。然后把字符归一化为系统可以识别的规格大小，输入到系统中以待识别，确保字符的完整性。 4、字符识别：将需要识别的样本输入系统，选择合适的模式识别的方法，输入正确的字符。 五、研究方法与手段 掌握C++的基本概念和语法，熟练使用 Visual C++6.0软件。依据BP神经网络的基本原理实现算法，完成Visual C++对于图像的预处理及字符的识别和基于样本的神经网络的训练以及图像中的识别 Visual C++开发，整个系统运用了大量的 Visual C++编程技术，如图像处理技术、动态链接库技术、数据库技术等，要有完备的程序以识别多组车牌。 六、进度安排 1、201.12.10—2015