基于多種特征提取組合的BP神經(jīng)網(wǎng)絡(luò)車牌漢字識(shí)別.pdf

1、我國(guó)在2009年成為世界第一大汽車產(chǎn)銷國(guó)，伴隨著國(guó)內(nèi)經(jīng)濟(jì)的高速發(fā)展，國(guó)內(nèi)車輛保有量直線上升，截止至2014年低，我國(guó)汽車保有量已經(jīng)達(dá)到1.54億輛，小型載客汽車達(dá)到了1.17億輛，這使得交通問題日益嚴(yán)重，發(fā)展智能交通系統(tǒng)成為十分迫切的需求。車牌識(shí)別是其中至關(guān)重要的一環(huán)，它可以應(yīng)用于交通系統(tǒng)的各個(gè)領(lǐng)域，幫助處理各類問題。
　　車牌包括漢字、字母和數(shù)字，相對(duì)于字母和數(shù)字來說，漢字的結(jié)構(gòu)復(fù)雜，因此漢字識(shí)別時(shí)車牌識(shí)別中的重點(diǎn)和難點(diǎn)。近些年

2、來，國(guó)內(nèi)的研究人員提出了不少方法對(duì)車牌進(jìn)行識(shí)別，對(duì)于成像質(zhì)量較好的車牌圖像，漢字識(shí)別率已經(jīng)達(dá)到了一個(gè)非常高的水準(zhǔn)，但是對(duì)于污損和模糊等狀態(tài)的車牌圖像，識(shí)別率仍需提高。
　　本文針對(duì)車牌拍攝等問題造成成像質(zhì)量不高等問題進(jìn)行以下工作，車牌漢字的歸一化處理；采用投影法對(duì)車牌漢字進(jìn)行粗分類；由于BP神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)的抗干擾能力和自學(xué)習(xí)能力，使用改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)對(duì)已經(jīng)進(jìn)行粗分類的漢字進(jìn)行識(shí)別能取得更好的效果。并與傳統(tǒng)方法進(jìn)行對(duì)比，可以得到