基于神經(jīng)網(wǎng)絡(luò)的綜合集成車牌識別技術(shù)的研究及其應(yīng)用.pdf

1、該文選擇神經(jīng)網(wǎng)絡(luò)模式識別技術(shù)作為識別的方法,以車牌定符作為識別對象,進(jìn)一步研究在干擾情況下的車牌識別問題,以提高車牌識別系統(tǒng)的整體識別能力.論文涉及了以下工作:1、對文本圖像二值化進(jìn)行了研究,提出了一種基于SOFM(自組織特征映射網(wǎng))網(wǎng)絡(luò)的灰度圖像二值化方法和彩色圖像二值化方法.2、選取了粗網(wǎng)格特征和方向線素特征作為字符的識別特征,并對粗網(wǎng)格特進(jìn)行了改進(jìn),同時對SOFM訓(xùn)練算法進(jìn)行了優(yōu)化.采用這種優(yōu)化的算法,對分別使用上面兩種特征作為輸

2、入的SOFM單一分類器進(jìn)行數(shù)字、字母和省份漢字的識別研究.3、對多特征輸入、多神經(jīng)網(wǎng)絡(luò)集成的字符識別方法進(jìn)行了研究,將Bp網(wǎng)絡(luò)分類器與SOFM網(wǎng)絡(luò)分類器相結(jié)合構(gòu)造了一種綜合集成的多網(wǎng)絡(luò)分類器.4、在理論研究的基礎(chǔ)上,該文采用Visual C++6.0編程語言對相應(yīng)的算法進(jìn)行了實現(xiàn),構(gòu)造了一個車牌識別系統(tǒng)軟件平臺.該文研究表明:采用多特征輸入的綜合集成網(wǎng)絡(luò)分類器與單一分類器相比,可以有效地提高系統(tǒng)的抗干擾性和識別率,同時該文的綜合集成識別