学位论文 > 优秀研究生学位论文题录展示

基于神经网络的车牌字符识别研究

作　者: 刘滨
导　师: 贺贵明
学　校: 武汉大学
专　业: 软件工程
关键词: 汉字识别特征提取分类器 BP神经网络
分类号: TP391.41
类　型: 硕士论文
年　份: 2004年
下　载: 820次
引　用: 19次
阅　读: 论文下载

内容摘要

本文主要研究和实现了汽车牌照字符的自动识别。在对牌照字符的自动识别处理中，本文引入了神经网络模式识别技术，提出了基于神经网络的字符识别方法，对分割出的字符依次进行识别。本文选择神经网络模式识别技术作为识别的方法，以车牌字符作为识别对象，进一步研究在干扰情况下的车牌字符识别问题，以提高车牌识别系统的整体识别能力。论文涉及了以下工作： 1、选取了字符网格特征作为字符的识别特征，并对粗网格特征进行了改进，同时对误差反向传播训练算法进行了优化。采用这种优化的算法，对使用上述特征作为输入的BP网络分类器进行数字、字母和省份汉字的识别研究。 2、为了进一步提高车牌字符识别系统的识别率，对BP网络的实验结果进行分析，提出了一系列的改进措施。如为易混淆字符设计神经网络细分类器，针对相似字符提取针对性强的细节特征，为结构复杂、笔划紧密、易发生笔划粘连的汉字字符增加典型笔划粘连样本等方法。 3、在理论研究的基础上，本文采用Visual C++6.0编程语言对相应的算法进行了实现，构造了一个车牌字符识别系统。本文研究表明：采用采用基于字符网格特征的BP神经网络分类器，可以有效地提高系统的抗干扰性和识别率，同时本文为提高系统识别率而采取的方法对一般带有噪声干扰的车牌字符识别系统的设计有一定的参考、借鉴价值。

全文目录

中文摘要  4-5
英文摘要  5-8
第一章绪论  8-18
  1.1 车牌字符识别技术研究的目的与意义  8-9
  1.2 字符识别技术的发展与趋势  9-11
  1.3 我国车牌字符特点  11-12
  1.4 车牌字符识别的几种方法及其面临的问题  12-14
    1.4.1 基于模板匹配的字符识别算法  13
    1.4.2 特征匹配法  13
    1.4.3 基于神经网络的字符识别算法  13-14
  1.5 车牌字符识别技术的研究及未来研究趋势  14-15
  1.6 本文车牌字符识别方法的选择及其面临的问题  15-17
  1.7 论文的研究内容及组织  17-18
第二章字符特征的提取  18-26
  2.1 概述  18-19
  2.2 字符特征提取方法  19-21
  2.3 粗网格特征提取方法及其实现  21-24
  2.4 字符网格特征提取的实验结果与改进措施  24-26
第三章神经网络模式识别技术的研究  26-61
  3.1 多层前馈网络的结构  26-28
    3.1.1 多层前馈网络的结构  26-27
    3.1.2 多层感知器的信号流动  27-28
  3.2 误差反向传播算法  28-30
    3.2.1 反向传播算法总的过程  28-29
    3.2.2 误差反向传播算法的步骤  29-30
  3.3 BP神经网络的缺陷  30-31
  3.4 BP网络结构的设计  31-42
    3.4.1 输入层神经元个数  32
    3.4.2 输出层神经元个数及输出表示  32-34
    3.4.3 隐藏层层数的选择  34-35
    3.4.4 隐藏层神经元的数目  35-38
    3.4.5 激活函数的选择  38-42
  3.5 BP网络的参数的设置  42-46
    3.5.1 突触权值和阈值的初始化  42-43
    3.5.2 学习率参数和动量常数的选择  43-46
  3.6 BP网络的训练  46-61
    3.6.1 BP网络训练过程  46
    3.6.2 平方误差准则函数  46-47
    3.6.3 反向传播学习的两种基本训练方式  47-48
    3.6.4 停止训练的时机  48
    3.6.5 训练样本的选取  48-50
    3.6.6 汉字网络训练样本的处理  50-56
    3.6.7 网络训练过程小结  56-61
第四章基于BP神经网络的车牌字符识别系统  61-85
  4.1 系统描述  61-62
  4.2 车牌字符识别系统的研制  62-65
  4.3 编程语言的选择  65-66
  4.4 BP网络车牌字符识别系统的VC++实现  66-73
  4.5 实验结果与分析  73-85
第五章结束语  85-88
参考文献  88-91
致谢  91

基于神经网络的车牌字符识别研究

内容摘要

全文目录

相似论文