基于單位聯(lián)接脈沖耦合神經(jīng)網(wǎng)絡(luò)的車牌識(shí)別.pdf

1、車牌識(shí)別是智能交通中一個(gè)重要的組成部分。隨著車輛的增多，智能交通越來(lái)越體現(xiàn)出其價(jià)值。車牌識(shí)別還在無(wú)人管理車庫(kù)、校區(qū)安全、社區(qū)安全、道路狀況調(diào)控等交通監(jiān)控系統(tǒng)中得到了廣泛的應(yīng)用，發(fā)揮著緩解值勤人員工作壓力的作用。因此，對(duì)車牌識(shí)別的研究成為了這段時(shí)期的研究熱點(diǎn)。
　　車牌識(shí)別分為車牌定位、字符分割和字符識(shí)別三個(gè)主要步驟。對(duì)每個(gè)步驟的獨(dú)立研究可以提升車牌識(shí)別效率;對(duì)三個(gè)步驟共同研究則可以提升算法的連貫性和識(shí)別效率。這篇論文對(duì)車牌識(shí)別算法

2、進(jìn)行了探討，并介紹了以下三方面的工作:
　　一、提出了基于單位聯(lián)接脈沖耦合神經(jīng)網(wǎng)絡(luò)的車牌定位方法。該定位算法首先用單位聯(lián)接PCNN對(duì)輸入車牌圖像的某個(gè)灰度通道進(jìn)行點(diǎn)火處理;接著，找出點(diǎn)火圖像中帶有車牌特征的區(qū)域;第三，進(jìn)一步判斷該區(qū)域是否符合車牌長(zhǎng)寬比特征;最后，對(duì)圖像進(jìn)行傾斜校正并輸出校正后的車牌區(qū)域圖像。輸出的車牌圖像為二值圖像。
　　二、提出了用單位聯(lián)接脈沖耦合神經(jīng)網(wǎng)絡(luò)改進(jìn)投影法字符分割算法?；谕嚺贫ㄎ凰惴ㄖ型瑯咏Y(jié)

3、構(gòu)的脈沖耦合神經(jīng)網(wǎng)絡(luò)，可對(duì)二值圖像進(jìn)行空洞填充。用該空洞填充法對(duì)二值車牌圖像進(jìn)行處理后;再尋找處理后車牌圖像中線上的有效聯(lián)通域;然后，對(duì)中線上的聯(lián)通域進(jìn)行分析以規(guī)整字符的尺寸;第四，用投影法尋找車牌字符的邊界并結(jié)合聯(lián)通域分析完成字符分割。改進(jìn)后的分割方法不但提升了分割率，還提升了字符識(shí)別率，這是因?yàn)楦倪M(jìn)后的分割方法能將同一個(gè)車牌的字符歸一化。
　　三、提出了以點(diǎn)火圖像序列和空洞數(shù)為特征的字符識(shí)別方法。并使用投票方式度量待識(shí)別字符和

4、模板字符對(duì)應(yīng)特征間的差異。仍然基于單位聯(lián)接PCNN，對(duì)分割出的字符進(jìn)行細(xì)化、點(diǎn)火和空洞提取;對(duì)細(xì)化、點(diǎn)火特征和空洞特征賦予不同的投票權(quán)重，將待識(shí)別字符的特征和模板字符的對(duì)應(yīng)特征進(jìn)行比較并投票;將得票最高模板對(duì)應(yīng)的字符作為未知字符的識(shí)別結(jié)果。
　　本文提出的車牌識(shí)別算法分為主要的三個(gè)子算法，分別實(shí)現(xiàn)車牌定位，字符分割和字符識(shí)別，且這三個(gè)子算法都應(yīng)用單位聯(lián)接脈沖耦合神經(jīng)網(wǎng)絡(luò)。三個(gè)子算法中的PCNN結(jié)構(gòu)一致，僅改變初始值和輸出判定條件即