基于GABP神经网络的车牌字符识别研究

《基于GABP神经网络的车牌字符识别研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、１０１８３分类号：ＴＭ３４４．１单位代码：研究生学号：２０１５５１Ｅ０４６密级：公开吉林大学硕士学位论文专业学位（）基于ＧＡＢＰ神经网络的车牌字符识别研究ＲｅｓｅａｒｃｈｏｎｌｉｃｅｎｓｅｌａｔｅｃｈａｒａｃｔｅｒｒｅｃｏｎｉｔｉｏｎｂａｓｅｄｐｇｏｎＧＡＢＰｎｅｕｒａｌｎｅｔｗｏｒｋ作者姓名：邱薇专业：电子与通信工程研究方向：数字图像处理指导教师：顾玲嘉教授培养单位：电子科学与工程学院２０１８年１１月未经本论文作者的书面授权，依法收存和保管本论文书面版本、电子版本的任何单位

2、和个人，均不得对本论文的全部或部分内容进行任何形式的复制、修改、发行、出租、改编等有碍作者著作权的商业性使用（但纯学术性使用不在此限）。否则，应承担侵权的法律责任。吉林大学博士（或硕士）学位论文原创性声明本人郑重声明：所呈交学位论文，．是本人在指导教师的指导下，独立进行研宄工作所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。。本人完全意识到本声明的法律结果由本人承担学位论文作者签名：曰期：ｗ？

3、年曰／／基于GABP神经网络的车牌字符识别研究ResearchonlicenseplatecharacterrecognitionbasedonGABPneuralnetwork作者姓名：邱薇专业名称：电子与通信工程指导教师：顾玲嘉教授学位类别：工程硕士答辩日期：2018年11月24日摘要汽车车牌是准许汽车正常上道行驶的凭证，是道路交通管理部门和车主识别与查找对应车辆的主要依据。作为智能化的综合交通服务系统的重要组成部分，车牌字符识别技术是在模式识别和计算机视觉技术领域中实现交通管理智能化的重要环节。机器学习领域中的一个重要的方法，BP神经网络以其

4、强大的非线性函数映射能力、良好的分类识别能力成为应用最为广泛的人工神经网络，本文将车牌字符图像处理和机器学习技术相结合，提出一种基于集成GABP神经网络的车牌字符识别模型，用于汽车牌照识别工作。本文的主要工作量包括：（1）车牌字符图像处理：主要包括车牌字符图像的定位和分割工作，通过对相似车牌字符的全面分析，选用对对垂直和水平方向的边缘检测效果较好的robert算子进行边缘检测；在车牌字符图像分割中，首先对车牌字符图像进行灰度阈值分割，然后选定阈值进行二值化处理，得到一个二值化的数字矩阵，最后通过计算像素点灰度值累计和将车牌字符图像进行分割。（2）车牌字

5、符识别：将二值化矩阵对应神经网络的输入神经元，将数据库中目标标识作为神经网络的输出神经元，隐含层神经元根据输入输出神经元个数确定，从而构建了本文仿真实验的神经网络结构模型。由于BP神经网络初始权值和阈值随机给定，造成神经网络收敛速度慢和容易陷入局部最小的缺陷，本文利用遗传算法优化神经网络的初始权值和阈值（GABP神经网络模型）加快神经网络的收敛速度和预测精度。（3）通过引入集成学习概念降低车牌字符识别误差：将车牌字符图像分割后的车牌字符分为7个独立的字符图像，然后将这7个字符图像分别进入各子基分类器，每个基分类器为即为一个GABP神经网络模型，在模型中

6、独立进行训练识别，最后将各个基分类器识别结果在集成端共同输出，作为该车牌字符识别的最终识别结果。关键词：汽车牌照；图像识别；神经网络；遗传算法、集成学习IAbstractThevehiclelicenseplateisacertificateforpermittingthecartogoontheroadnormally.Itisthemainbasisfortheroadtrafficmanagementdepartmentandtheownertoidentifyandfindthecorrespondingvehicle.Asanimportan

7、tpartoftheintelligentintegratedtransportationservicesystem,licenseplatecharacterrecognitiontechnologyisanimportantlinkintherealizationoftrafficmanagementintelligenceinthefieldofpatternrecognitionandcomputervisiontechnology.Animportantmethodinthefieldofmachinelearning,BPneuralnet

8、workhasbecomethemostwidelyusedartificialneuraln