基于神經(jīng)網(wǎng)絡(luò)的車(chē)牌識(shí)別技術(shù)的研究及應(yīng)用.pdf

1、車(chē)輛牌照識(shí)別技術(shù)（License Plate Recognition，LPR）是智能交通系統(tǒng)的一個(gè)重要組成部分，它是數(shù)字圖像處理、人工智能技術(shù)與模式識(shí)別在智能交通系統(tǒng)領(lǐng)域的重要應(yīng)用。因此，研究和開(kāi)發(fā)車(chē)牌照識(shí)別系統(tǒng)對(duì)于我國(guó)智能交通管理領(lǐng)域有著重要的意義。
　　車(chē)牌識(shí)別的方法有很多種，目前運(yùn)用的比較多的是采用BP神經(jīng)網(wǎng)絡(luò)，但是BP神經(jīng)網(wǎng)絡(luò)存在著收斂慢而且容易陷入誤差函數(shù)的局部極值點(diǎn)的缺點(diǎn)，針對(duì)這些問(wèn)題，本文利用遺傳算法具有全局最優(yōu)搜索

2、能力的特點(diǎn)，結(jié)合神經(jīng)網(wǎng)絡(luò)的架構(gòu)對(duì)車(chē)牌字符識(shí)別展開(kāi)研究。主要內(nèi)容包括以下三點(diǎn)：
　　第一，利用數(shù)字圖像處理技術(shù)對(duì)車(chē)牌圖像進(jìn)行預(yù)處理，主要包括灰度化、圖像增強(qiáng)與平滑處理、二值化。提出一種基于車(chē)牌紋理特征與車(chē)牌先驗(yàn)知識(shí)相結(jié)合的定位方法，先利用水平差分和垂直差分初定位車(chē)牌區(qū)域，再利用先驗(yàn)知識(shí)排除干擾區(qū)域，然后統(tǒng)計(jì)車(chē)牌區(qū)域像素的跳變次數(shù)，以此去掉假車(chē)牌區(qū)域，最后精確定位車(chē)牌。
　　第二，采用結(jié)合輪廓提取的Hough變換進(jìn)行車(chē)牌圖像的傾

3、斜校正，可以大大降低運(yùn)算量，并且取得了較好的效果。接著去除車(chē)牌的上下邊框與鉚釘，再利用垂直投影圖與車(chē)牌字符特征相結(jié)合的方法分割字符，然后對(duì)分割好的字符進(jìn)行歸一化與緊縮重排處理。
　　第三，將遺傳算法與神經(jīng)網(wǎng)絡(luò)結(jié)合起來(lái)進(jìn)行車(chē)牌字符訓(xùn)練和識(shí)別。利用遺傳算法訓(xùn)練神經(jīng)網(wǎng)絡(luò)，找到最佳的權(quán)值和閾值。對(duì)傳統(tǒng)的遺傳算法進(jìn)行了改進(jìn)，采用實(shí)數(shù)編碼的方式，提高了網(wǎng)絡(luò)權(quán)值與閾值的計(jì)算精度，運(yùn)用多種交叉方式并行交叉，拓寬了物種范圍，利于搜索到全局最優(yōu)解，自