基于粗糙集和神經(jīng)網(wǎng)絡(luò)結(jié)合的車牌識(shí)別系統(tǒng)的研究.pdf

1、　　由波蘭學(xué)者Z.Pawlak提出的粗糙集理論，是一種研究不精確、不確定性知識(shí)的數(shù)學(xué)工具。利用粗糙集理論，可以方便地描述知識(shí)表示中不同屬性的重要性，減少知識(shí)表示空間的維數(shù)，但其模式識(shí)別基于規(guī)則匹配方法，對(duì)噪聲敏感，泛化能力不強(qiáng)。而神經(jīng)網(wǎng)絡(luò)以其優(yōu)越的泛化能力和容錯(cuò)能力，廣泛用于模式識(shí)別中。二者的結(jié)合既可以簡化信息處理的復(fù)雜性，又可以提高信息處理的精度。汽車牌照的自動(dòng)識(shí)別是機(jī)器視覺與模式識(shí)別技術(shù)在智能交通領(lǐng)域的重要應(yīng)用，進(jìn)行基于粗糙集與神經(jīng)

2、網(wǎng)絡(luò)結(jié)合的車牌識(shí)別系統(tǒng)的研究具有一定的理論意義和實(shí)踐價(jià)值?！　”疚慕Y(jié)合粗糙集與神經(jīng)網(wǎng)絡(luò)理論，用于車牌識(shí)別系統(tǒng)，完成了以下工作：　　1.實(shí)現(xiàn)了四種圖像二值化方法：類內(nèi)最小交叉熵法、類間最大交叉熵法、類內(nèi)最小模糊散度法和類間最大模糊散度法。　　2.在車牌定位方法的研究上，提出了一種基于顏色分析的車牌定位方法，對(duì)車牌的大小、汽車在圖像中的位置以及圖像背景的限制較少，定位效果好?！　?.在基于粗糙集的知識(shí)獲取的研究上，提出了兩種屬性離散

3、化算法：基于NCL聚類學(xué)習(xí)方法的屬性離散化算法和基于自組織特征映射網(wǎng)的屬性離散化算法；提出了三種改進(jìn)的屬性約簡算法：改進(jìn)的代數(shù)集合算法、重要度加權(quán)平均算法和改進(jìn)的可辨識(shí)矩陣算法?！　?.在車牌字符識(shí)別的研究上，利用粗糙集理論的知識(shí)獲取和知識(shí)約簡能力，以及神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力和泛化能力，構(gòu)造車牌字符識(shí)別系統(tǒng)。該系統(tǒng)既簡化了識(shí)別系統(tǒng)的結(jié)構(gòu)，又提高了知識(shí)的泛化能力。在此基礎(chǔ)上，將粗糙集、神經(jīng)網(wǎng)絡(luò)和模糊邏輯相結(jié)合，提出了一種粗糙模糊神經(jīng)網(wǎng)絡(luò)識(shí)別