基于多种特征提取组合的BP神经网络车牌汉字识别

摘要

我国在2009年成为世界第一大汽车产销国，伴随着国内经济的高速发展，国内车辆保有量直线上升，截止至2014年低，我国汽车保有量已经达到1.54亿辆，小型载客汽车达到了1.17亿辆，这使得交通问题日益严重，发展智能交通系统成为十分迫切的需求。车牌识别是其中至关重要的一环，它可以应用于交通系统的各个领域，帮助处理各类问题。
　　车牌包括汉字、字母和数字，相对于字母和数字来说，汉字的结构复杂，因此汉字识别时车牌识别中的重点和难点。近些年来，国内的研究人员提出了不少方法对车牌进行识别，对于成像质量较好的车牌图像，汉字识别率已经达到了一个非常高的水准，但是对于污损和模糊等状态的车牌图像，识别率仍需提高。
　　本文针对车牌拍摄等问题造成成像质量不高等问题进行以下工作，车牌汉字的归一化处理；采用投影法对车牌汉字进行粗分类；由于BP神经网络具有较强的抗干扰能力和自学习能力，使用改进的BP神经网络对已经进行粗分类的汉字进行识别能取得更好的效果。并与传统方法进行对比，可以得到采用改进的BP神经网络设计的车牌汉字识别器具有更好的识别率和抗干扰能力。

目录

封面

目录

中文摘要

英文摘要

第一章 绪论

1.1 车牌汉字识别的研究意义

1.2 汉字识别的方法及研究现状

1.3 车牌识别研究现状及方法

1.4 本文研究内容

第二章 车牌汉字归一化处理

2.1 汉字大小归一化方法

2.2 本章小结

第三章 车牌汉字粗分类

3.1 车牌汉字的投影处理

3.2 车牌汉字的投影分析及粗分类

3.3 本章小结

第四章 基于改进BP神经网路的车牌汉字识别器

4.1 BP神经网络的原理

4.2 BP神经网络的改进

4.3 构造车牌汉字识别器

4.4 改进的BP神经网络对粗分类车牌汉字识别

4.5 本章小结

第五章 总结与展望

5.1 全文总结

5.2 前景展望

参考文献

致谢

攻读硕士学位期间发表的论文情况

声明