基于深度信念网络的车牌字符识别算法研究与实现-仪器仪表工程（专业学位）专业论文.docxVIP

研究生优秀毕业论文 浙江大学硕士学位论文 浙江大学硕士学位论文 致谢 致谢 转瞬间研究生生涯已接近尾声，过往的点点滴滴仍历历在目，感慨万千。过去的三年 年，有拼搏和汗水，也有欢乐与收获，从缺乏经验的懵懂少年，成长为经历项目磨练，具 备一定独立研发能力的硕士生。在此临近毕业之际，是时候对过去的时间里给予我帮助的 人道一声感谢。 首先我要感谢陈耀武教授，陈老师不仅为我们提供了资源丰富的科研平台和自由的科 研环境，指引我们在专业技术上取得突破，还悉心教诲我们做人做事的道理，注重以人为 本的全面培养。 感谢我的导师田翔副教授，从我上大学开始到现在认识田老师七年有余，在我的学习 科研和生活中给予了我太多的悉心指导和帮助。田老师在实验室工作中兢兢业业，对实验 室大小事物尽职尽责，感谢田老师为实验室为我们算法组所付出的一切。还要感谢黄轶伦 老师，在我毕业论文写作过程中给我细致入微的指导。 感谢罗雷师兄，是你带领我进入科研世界的大门，让我第一次感受到机器学习的魅力， 从此走上这条不归路。感谢杨帅帅师兄，陈琳师姐，张晟师兄，刘宇光师兄和郭延翔师兄， 在我有各种疑问时给我耐心的讲解，在我科研工作遇到难题时给予中肯而关键的建议。在 和你们共事的时间里，我收获良多。 感谢丁彬、韩冬、郭莉琳、呼思乐和肖征东几位同级的小伙伴，有你们的陪伴，研究 生生涯充实而快乐。 感谢张苗，余嫣妍，杨狄，马翌垫，周橹楠，蔡卓俊等师弟师妹，希望你们再接再厉， 把我们算法组发扬光大。 特别感谢我的父母和家人，对我无微不至的关爱，多年的养育之恩无以为报，愿你们 身体健康，幸福快乐。 最后感谢昕有关心我，帮助我的亲人、朋友和同学们，祝大家天天开心，事事顺利。 朱宏吉 201 5年3月于老和山脚 万方数据 浙江大学硕士学位论文 浙江大学硕士学位论文 摘要 摘要 车牌识别技术是现代智能交通系统的核心基础技术之一，目前已经广泛应用于道路交 通监控中。经过近30年的发展，车牌识别取得长足进展，常规条件下，无论识别准确率 和效率都能达到令人满意的程度。然而在某些恶劣条件如雾天、雨天、强光、倾斜等情况 下，车牌识别的准确度大大降低，仍然无法满足实际应用需求。 本论文针对恶劣条件下车牌字符模糊、噪声、残缺和倾斜使得车牌识别系统准确率低 的问题，将深度信念网络引入车牌字符识别应用中，构建了一种基于深度信念网络的车牌 字符识别算法。针对车牌字符图像数据特点，实验研究并设计了深度信念网络分类器的结 构参数。还研究了分类器在实际训练过程中的问题，包括受限波尔兹曼机的训练参数选择 和全局训练的误差函数和停止判据的选择，结合实验筛选出适用于车牌字符识别的最优参 数组合。为解决样本不足问题，本文还采用图像处理方式生成训练样本。 将本文的方法与基于浅层神经网络的方法和基于SVM的方法做了对比实验和分析。 用本文方法与其他两种方法分别在模糊字符、噪声字符、残缺字符和倾斜字符4种测试集 下进行比较，结果显示本文方法的识别准确率分别为94．9％，95．4％，96．3％和85．6％， 均优于其他传统方法。实验表明，基于深度信念网络的车牌字符识别方法对恶劣条件下的 车牌识别准确率有所改善。 本文最后还对算法的训练和识别过程进行了性能优化。训练过程方面，提出了一种改 进的冲量因子，使受限波尔兹曼机训练速度提升16．6％。识别过程方面，将分类器处理过 程进行并行优化，经过4核并行优化的算法识别性能提升2．5倍，整张车牌的字符识别总 时间为1 9ms，满足实际应用需求。 关键词：深度信念网络，深度学习，受限波尔兹曼机，车牌识别 万方数据 浙江大学硕士学位论文 浙江大学硕士学位论文 ABSTRACT ABSTRACT License Plate Recognition is of‘the most important fundamental technologies of Intelligent Transport System，it has been widely used in public video surveillance systems．In the last 30 years，great improvement has been made in license plate recognition technology Both the accuracy and time cost of recognition algorithm have become acceptable in