基于離散Hopfield神經網(wǎng)絡的車牌字符識別技術研究.pdf

1、近年來，中國汽車的數(shù)量隨著經濟的發(fā)展急劇上升，給汽車管理部門帶來了極大的壓力，以往靠人工登記車牌的方法已然跟不上時代的發(fā)展，因此車牌自動識別技術的重要性不言而喻。由于車牌自動識別系統(tǒng)(LPR，License Plate Recognition)能有效提高交通管理的效率，為人們的生活帶來便利，其研究工作逐漸成為眾多學者的關注，它在智能交通管理應用中有著重要的地位，常應用于電子警察、停車場管理系統(tǒng)、高速公路超速自動化管理系統(tǒng)、小區(qū)車輛管理系

2、統(tǒng)等設備。
　　車牌識別技術主要包括車牌圖像預處理、車牌定位、車牌字符切割和車牌字符識別等，本文針對這幾個關鍵環(huán)節(jié)進行了深入學習研究，且主要重心放在車牌字符識別技術上，采用人工神經網(wǎng)絡結合數(shù)字圖像處理技術，完成車牌識別過程中的一系列操作。由先驗知識知，BP神經網(wǎng)絡在運行過程中，若樣本數(shù)量少，效果不太理想。因此需要大量樣本進行試驗，從而需要較長的時間來完成大量的計算，不符合車牌自動識別系統(tǒng)對實時性的要求。在結合先驗知識與反復實驗后，

3、本文采用基于邊緣檢測及顏色特征提取相結合的車牌定位算法進行車牌定位;采用基于改進垂直投影算法進行車牌字符切割;并嘗試采用離散Hopfield神經網(wǎng)絡結合模板匹配的算法，實現(xiàn)車牌字符的識別。離散Hopfield神經網(wǎng)絡最大的特點是具有聯(lián)想記憶功能，該功能不僅能對不完整字符進行聯(lián)想記憶，識別出缺失字符，還可以對受噪聲污染的字符，進行去噪，這也是選取該算法的主要依據(jù)。
　　在研究車牌識別技術的過程中，反復試驗，設計了一套完整的車牌識別程