一种基于分级神经网络的车牌字符识别新方法.docVIP

一种基于分级神经网络的车牌字符识别新方法 　　摘 要：为了进行车牌字符的有效识别，提出了一种分级径向基函数神经网络的车牌识别算法，识别网络由两级构成，一级径向基神经网络用于汉字、字母、混合和数字的粗分类; 二级子网用于对字母网络、混合网络和数字网络内部易混字符再进行精确识别。实验结果表明，提出的方法有效地提高了识别的精度，而且平均运行时间减少。 　　关键词：车牌识别; 径向基函数神经网络; 二级网络; 识别率 　　中图分类号：TN915-34文献标识码：A 　　文章编号：1004-373X(2011)01-0207-04 　　 　　A New Method of License Plate Identification Based on Two-level Neural Network 　　CHAI Lan-juan, ZENG Huang-lin 　　(College of Automatic and Electrical Information Engineering, Sichuan University of Technology and Engineering, Zigong 643000，China) 　　Abstract： In order to carry out license plate identification effectively, a new method of license plate identification based on a two-level neural network is presented. The first-level network is used to classify mixed Chinese characters, letters, and numbers roughly, and the secondary sub-network is used to do exact recognition of confusable characters in mixed network ??again??. The experimental results show that the proposed new method effectively improved the accuracy of license plate identification, and reduced an average time of license plate identification. 　　Keywords： license plate identification; RBF network; two-level network; recognition accuracy 　　 　　0 引 言 　　随着我国经济的迅猛发展，我国的交通事业进入了一个高速发展的阶段，智能交通管理也显得越来越重要，它能提高交通服务的质量，促进交通运输事业的发展，而车牌识别系统是现代智能交通管理的重要组成部分，是计算机视觉、图像处理、神经网络和模式识别技术的综合应用［1-2］。车牌识别系统一般包括车牌定位、车牌字符分割、车牌字符识别等部分，而其中字符识别是车牌识别系统中重要的组成部分。车牌识别的研究,最早出现于20世纪80年代,可以粗略地计算出车辆的速度、车流量、道路负载等数据。通过图象识别、模式识别、人工神经网络识别等方法［3-5］，进一步发展国内外对汽车牌照识别系统的研究工作已经有了很大进展。随着我国交通事业的高速发展，目前报道的这些方法都存在识别速度慢、精度低、抗干扰性能差等问题。 　　车牌识别系统应该有强大的分类能力、容错能力和鲁棒性，而且能较好地解决车牌识别中所提出的因字符残缺不完整而无法识别的问题,还可以避免繁重的数据分析和数学建模工作,可以将信息存储与处理并行起来，从而大大提高运行速度［6-7］。本文提出一种分级识别思路，就是对已经进行了定位、预处理(灰度化、二值化)、字符分割、归一化的车牌图像，用一级径向基神经网络进行汉字、字母、混合和数字的粗分类; 二级子网用于对字母网络、混合网络和数字网络内部易混字符再进行精确识别，解决如车牌特征识别与分类输出问题。 　　1 基于分级神经网络识别网络的实现 　　在车牌自动识别系统中,经过车牌定位和字符分割,就进入到字符识别阶段。中国大陆(不包括香港、澳门、台湾)车牌主要由三种类型组成:黄底黑字、蓝底白字、白底黑字。字符也可以分成四种类型:中文字符、英文字母、阿拉伯数字、圆点分隔符。民用车牌，共由七位组成，例如:鲁U12345，牌照是由7个字符合成的字符串，其中第一个字符是汉字，由31个省、自治区和直辖市的简称组成。第