基于改进BP神经网络的车牌识别算法研究-计算机软件与理论专业论文.docxVIP

- - I - 摘 要 随着我国公路交通事业的发展，提高公路交通配套设施的自动化程度及其效 率日益成为关注的焦点。基于图像的车辆自动化识别系统能有效提高整个公路运 输的机动性、安全性和生产效率，具有广阔的发展前景和巨大的经济价值。 针对这方面的迫切需求，本文结合对前人己有技术经验的研究和分析，从车 牌定位、车牌分割和字符识别三方面着手，详细阐述了基于车牌图像的车辆自动 化识别系统关键技术部分的理论方法的优劣，并提出了一种基于改进 BP 神经网 络对车牌进行识别的方法。 主要涉及了以下一些工作：首先是图像预处理，该阶段主要是将原始的车辆 图像进行灰度增强、直方图均衡化、二值化；在车牌定位及识别阶段，本文根据 车牌的特征，对多特征、多神经元网络集成识别方法进行了研究，提出了基于边 缘检测与改进 BP 神经网络及垂直投影相结合的车牌定位、字符识别方法。结果 表明，该方法定位准确度较单一边缘检测定位法要高，能较大程度地提高车牌定 位率。 利用 BP 神经网络对车牌进行识别有着许多的优势，但仍存在许多的问题。 标准 BP 算法实质上是把一组样本输入输出问题转化为一个非线性优化问题，并 通过负梯度下降算法利用迭代运算求解权值问题的一种学习方法。但是标准 BP 算法尚存在一些缺陷：易形成局部极小而得不到整体最优，迭代次数多，收敛速 度慢。针对标准 BP 算法的缺点，本文提出了对 BP 网络的激励