基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的車牌識(shí)別技術(shù)研究.pdf

1、車牌識(shí)別技術(shù)是實(shí)現(xiàn)交通管理智能化的核心技術(shù)之一，在智能交通領(lǐng)域有著重要的應(yīng)用價(jià)值，車牌識(shí)別系統(tǒng)主要包含車牌定位，車牌字符分割和車牌字符識(shí)別。神經(jīng)網(wǎng)絡(luò)識(shí)別是模式識(shí)別領(lǐng)域中的一個(gè)重要研究方向，它具有自組織學(xué)習(xí)、容錯(cuò)性高和魯棒性強(qiáng)的特點(diǎn)，非常適合車牌識(shí)別研究，本文主要做了以下工作：
　　首先對(duì)基于彩色圖像的車牌定位方法和基于灰度圖像的車牌定位方法進(jìn)行了比較研究，然后根據(jù)我國(guó)車牌的特點(diǎn)和紋理特征，對(duì)車牌進(jìn)行Haar特征提取，采用Adabo

2、ost算法進(jìn)行車牌定位，對(duì)常用的Haar矩形特征進(jìn)行擴(kuò)展，定義了一種新的四矩形Haar條件矩形特征。實(shí)驗(yàn)結(jié)果表明，利用新增的四矩形Haar條件特征不僅縮短了車牌定位時(shí)間，還提高了車牌定位準(zhǔn)確率。
　　在車牌分割時(shí)，對(duì)車牌用Otsu法進(jìn)行二值化處理，目的是提取圖像的有效信息，用Hough變換法對(duì)其進(jìn)行傾斜矯正、中值濾波法進(jìn)行去噪處理。針對(duì)垂直投影分割法和模板匹配分割法的缺點(diǎn)，提出了一種新的垂直投影和多模板匹配相結(jié)合的字符分割方法。與

3、以往的模板定義不同，本文把每個(gè)字符的寬度以及字符與字符之間的寬度定義為字符序列分割的標(biāo)準(zhǔn)模板，這里說(shuō)的多模板指得是在原有的字符模板的基礎(chǔ)上，對(duì)已有的字符分布模板庫(kù)進(jìn)行彈性縮放。實(shí)驗(yàn)證明，該方法準(zhǔn)確分割字符率為98.35％，分割準(zhǔn)確率比單獨(dú)使用前面兩種分割法有了很大的提高。
　　接著對(duì)分割好的字符進(jìn)行hog特征提取，簡(jiǎn)單介紹了幾種常用的車牌識(shí)別方法，對(duì)BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行對(duì)比分析，最終采用RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行車牌字符的識(shí)別