基于改進的Lm-BP神經(jīng)網(wǎng)絡(luò)的車牌識別算法研究與應(yīng)用.pdf

1、車牌識別系統(tǒng)是智能交通系統(tǒng)中的重要組成部分，也是圖像識別的國內(nèi)外學(xué)者們研究的熱門問題。通過車牌的定位及提取、車牌圖像的預(yù)處理、車牌特征的提取、車牌字符的識別等技術(shù)來識別車輛牌號、顏色等信息，并通過結(jié)合數(shù)字圖像處理、模式識別以及計算機視覺等多項技術(shù)，在高速公路車輛管理中和電子收費(ETC)系統(tǒng)中得到廣泛應(yīng)用，也是結(jié)合DSRC技術(shù)識別車輛身份的主要手段，并且在停車場管理中，車牌識別技術(shù)也是識別車輛身份的主要手段?，F(xiàn)實應(yīng)用中，車牌識別仍存在不

2、少瓶頸，如下雨天，霧天等復(fù)雜環(huán)境下識別率低，速度慢;對曝光度過低或過高的車牌識別不理想等問題。為了解決這些問題，本文深入研究了車牌圖像的定位，車牌的字符分割以及車牌的字符識別等主要模塊及算法，并相應(yīng)地提出了對應(yīng)模塊算法中的改進算法。本文通過VC++6.0開發(fā)平臺完成了整個車牌的識別系統(tǒng)，并開展了相關(guān)的實驗。
　　本文基于已有的多種車牌識別算法展開了分析，并以此為基礎(chǔ)提出了相對應(yīng)的改進的算法，同時介紹了車牌圖像的預(yù)處理、傾斜圖像的校

3、正等內(nèi)容。為了消除污染，提高二值化精確率，本文提出了基于病毒進化遺傳的二值化算法，它是一種改進的遺傳算法，為維持種群的多樣性而將病毒機制與遺傳算法相結(jié)合。本文選擇了自適應(yīng)閾值的Canny邊緣檢測算法進行邊緣檢測，并搭配Radon變換法，在檢測到邊緣的信息后，能夠精確地得出車牌傾斜的角度，對其進行校正，從而得到正確的圖像。在此基礎(chǔ)上，為了降低模糊的或者有污點的車牌圖像分割錯誤率，本文基于垂直投影的分割方法進行改進。為了提高復(fù)雜環(huán)境下（雨天

4、，霧天及昏暗等）的字符識別率，本文提出一種改進的LM-BP神經(jīng)網(wǎng)絡(luò)車牌字符識別方法，該方法根據(jù)中國國內(nèi)現(xiàn)行車牌編制的特點，結(jié)合LM算法改進傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)，并增加參數(shù)修正LM-BP算法，這樣能夠使傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)收斂速度慢及容易陷入局部的極小值這兩個缺點得到解決。
　　在文章的最后，對該系統(tǒng)進行了相關(guān)的實驗。實驗結(jié)果表明，對于車牌的定位、字符的分割及字符的識別，系統(tǒng)都能有效完成相應(yīng)功能，達到了預(yù)期的識別效果和收斂速度，系統(tǒng)整體的