基于改進(jìn)的Lm-BP神經(jīng)網(wǎng)絡(luò)的車牌識(shí)別算法研究與應(yīng)用.pdf

1、車牌識(shí)別系統(tǒng)是智能交通系統(tǒng)中的重要組成部分，也是圖像識(shí)別的國(guó)內(nèi)外學(xué)者們研究的熱門問題。通過車牌的定位及提取、車牌圖像的預(yù)處理、車牌特征的提取、車牌字符的識(shí)別等技術(shù)來識(shí)別車輛牌號(hào)、顏色等信息，并通過結(jié)合數(shù)字圖像處理、模式識(shí)別以及計(jì)算機(jī)視覺等多項(xiàng)技術(shù)，在高速公路車輛管理中和電子收費(fèi)(ETC)系統(tǒng)中得到廣泛應(yīng)用，也是結(jié)合DSRC技術(shù)識(shí)別車輛身份的主要手段，并且在停車場(chǎng)管理中，車牌識(shí)別技術(shù)也是識(shí)別車輛身份的主要手段?，F(xiàn)實(shí)應(yīng)用中，車牌識(shí)別仍存在不

2、少瓶頸，如下雨天，霧天等復(fù)雜環(huán)境下識(shí)別率低，速度慢;對(duì)曝光度過低或過高的車牌識(shí)別不理想等問題。為了解決這些問題，本文深入研究了車牌圖像的定位，車牌的字符分割以及車牌的字符識(shí)別等主要模塊及算法，并相應(yīng)地提出了對(duì)應(yīng)模塊算法中的改進(jìn)算法。本文通過VC++6.0開發(fā)平臺(tái)完成了整個(gè)車牌的識(shí)別系統(tǒng)，并開展了相關(guān)的實(shí)驗(yàn)。
　　本文基于已有的多種車牌識(shí)別算法展開了分析，并以此為基礎(chǔ)提出了相對(duì)應(yīng)的改進(jìn)的算法，同時(shí)介紹了車牌圖像的預(yù)處理、傾斜圖像的校

3、正等內(nèi)容。為了消除污染，提高二值化精確率，本文提出了基于病毒進(jìn)化遺傳的二值化算法，它是一種改進(jìn)的遺傳算法，為維持種群的多樣性而將病毒機(jī)制與遺傳算法相結(jié)合。本文選擇了自適應(yīng)閾值的Canny邊緣檢測(cè)算法進(jìn)行邊緣檢測(cè)，并搭配Radon變換法，在檢測(cè)到邊緣的信息后，能夠精確地得出車牌傾斜的角度，對(duì)其進(jìn)行校正，從而得到正確的圖像。在此基礎(chǔ)上，為了降低模糊的或者有污點(diǎn)的車牌圖像分割錯(cuò)誤率，本文基于垂直投影的分割方法進(jìn)行改進(jìn)。為了提高復(fù)雜環(huán)境下（雨天

4、，霧天及昏暗等）的字符識(shí)別率，本文提出一種改進(jìn)的LM-BP神經(jīng)網(wǎng)絡(luò)車牌字符識(shí)別方法，該方法根據(jù)中國(guó)國(guó)內(nèi)現(xiàn)行車牌編制的特點(diǎn)，結(jié)合LM算法改進(jìn)傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)，并增加參數(shù)修正LM-BP算法，這樣能夠使傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)收斂速度慢及容易陷入局部的極小值這兩個(gè)缺點(diǎn)得到解決。
　　在文章的最后，對(duì)該系統(tǒng)進(jìn)行了相關(guān)的實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，對(duì)于車牌的定位、字符的分割及字符的識(shí)別，系統(tǒng)都能有效完成相應(yīng)功能，達(dá)到了預(yù)期的識(shí)別效果和收斂速度，系統(tǒng)整體的