基于小波神經(jīng)網(wǎng)絡(luò)的車牌識別技術(shù)研究.pdf

1、智能交通系統(tǒng)(IntelligentTransportationSystem,ITS)是提高交通管理水平的重要途徑,而車牌識別(LicensPlateRecognition,LPR)技術(shù)作為智能交通系統(tǒng)的重要組成部分,在現(xiàn)代交通監(jiān)控及管理系統(tǒng)中發(fā)揮著重要作用,因此研究與開發(fā)車牌識別系統(tǒng)對于提高交通管理水平、加快交通管理現(xiàn)代化步伐具有重要的實(shí)際應(yīng)用價(jià)值。本文主要研究了基于提升小波和小波神經(jīng)網(wǎng)絡(luò)的車牌識別方法,設(shè)計(jì)并實(shí)現(xiàn)了車牌識別系統(tǒng)。

2、r>　　 首先,針對車牌定位問題,利用提升方案對車輛圖像進(jìn)行小波分解,得到高頻分量子圖,同時(shí)保留低頻分量子圖邊緣,最終合成一幅能突出車牌區(qū)域的邊緣圖像,在此基礎(chǔ)上根據(jù)車牌自身的特征采用水平掃描法和垂直投影法定位車牌。由于基于提升小波的邊緣檢測算法可以減少車身弱邊緣,突出車牌區(qū)域,從而可以比較準(zhǔn)確地定位出車牌。
　　 其次,利用基于投影的字符分割法實(shí)現(xiàn)車牌字符的準(zhǔn)確分割,然后根據(jù)組合矩對數(shù)字圖像具有平移、旋轉(zhuǎn)、比例不變性的特點(diǎn),

3、有效地提取了字符的特征信息。
　　 接著,針對傳統(tǒng)小波神經(jīng)網(wǎng)絡(luò)基于均方差函數(shù)的梯度學(xué)習(xí)算法收斂速度慢和易于產(chǎn)生局部極值點(diǎn)的缺點(diǎn),利用熵函數(shù)準(zhǔn)則在改善網(wǎng)絡(luò)的收斂速度優(yōu)于均方差函數(shù)準(zhǔn)則的特點(diǎn),提出了基于相對熵準(zhǔn)則的小波神經(jīng)網(wǎng)絡(luò)作為分類器的字符識別方法,采用相對熵函數(shù)作為小波神經(jīng)網(wǎng)絡(luò)的代價(jià)函數(shù),把基于組合矩特征提取方法得到的字符特征向量作為網(wǎng)絡(luò)的輸入進(jìn)行識別。實(shí)驗(yàn)結(jié)果表明,該方法可以使網(wǎng)絡(luò)具有良好的逼近效果,同時(shí)加快了收斂速度,提高了