結(jié)合人工蜂群的車牌識(shí)別算法.pdf

1、隨著我國(guó)經(jīng)濟(jì)的日漸發(fā)展，科技水平的提高，人們生活水平逐步上升，交通日漸發(fā)達(dá)，汽車越來(lái)越多，對(duì)交通的要求也越來(lái)越高。于是就出現(xiàn)了智能交通系統(tǒng)(Intelligent Transport Systems，簡(jiǎn)稱ITS)。ITS的非常重要的一部分是車牌自動(dòng)識(shí)別技術(shù)(License Plate Recogniton, LPR)。LPR主要包括3大部分，車牌定位，車牌分割以及車牌識(shí)別。
　　人工蜂群(ABC)算法則是Karaboga學(xué)者舉出的

2、一種尋找最優(yōu)解的新方法，其將蜂群模型應(yīng)用到實(shí)際的求最優(yōu)解的問(wèn)題中，這種算法容易實(shí)現(xiàn)并且速度快。
　　為了提高車牌識(shí)別算法的魯棒性，本文將人工蜂群算法分別應(yīng)用到車牌定位、車牌分割以及字符識(shí)別這三個(gè)部分中。
　　首先，在車牌定位模塊中，傳統(tǒng)的提取邊沿方法中的閾值不容易確定，閾值選擇的不好就會(huì)容易丟失邊緣或產(chǎn)生虛假邊緣，本文將用人工蜂群算法自動(dòng)搜索最優(yōu)閾值，得到很好的邊緣圖像，再結(jié)合形態(tài)學(xué)處理、像素跳變以及車牌的彩色紋理特征最終確

3、定車牌的位置。
　　其次，在車牌分割模塊中，垂直投影法中車牌圖像的二值化很重要，而二值化主要就是找到合適的閾值，本文將應(yīng)用人工蜂群算法自動(dòng)尋找最佳的閾值，得到很好的二值車牌圖像，再應(yīng)用垂直投影法分割車牌字符。
　　最后，車牌字符識(shí)別部分，本文采用BP神經(jīng)網(wǎng)絡(luò)(Back Propagation Network)法，而BP神經(jīng)網(wǎng)絡(luò)要尋找到合適的權(quán)重和偏置，本文將采用人工蜂群算法搜索初始權(quán)重和偏置，再利用BP神經(jīng)網(wǎng)絡(luò)識(shí)別車牌字符。