论文基于BP神经网络车牌识别技术算法分析是关于对写作神经网络论文范文与课题研究的大学硕士、相关本科毕业论文深度神经网络算法论文开题报告范文和相关文献综述及职称论文参考文献资料下载有帮助。
摘 要：车牌识别是计算机视觉技术的一种典型应用,以机器视觉、图形图像、模式识别等为理论基础,采用神经网络、形态学、投影等技术实现车辆拍照、视频分解、预处理、字符定位、文本识别等一体化车牌识别.
关键词：车牌识别；机器视觉；图形图像；模式识别；神经网络一、车牌识别的核心技术
车牌识别系统主要可分为原始图的采集、图像预处理、车牌定位、字符分割以及字符识别几大部分.
(一)预处理概述
一般刚采集的图像是彩 像,加上国内车牌颜色的多样性（如白底黑字、黑底白字、黄底黑字及蓝底白字等）,为了能够更好的对车牌进行图像处理,首先要对抓
(二)车牌定位方法
车牌定位是基于图像处理中的分割技术对整个车牌图像进行车牌区域分割提取.由于我国车牌种类繁多且背景色复杂,实现一种可以通用的车牌定位提取方法是十分复杂的.典型的车牌定位方法流程如图2所示：图2
边缘检测的基本思想是基于图像边缘进行分析处理,该过程不仅可以降低不相关数据的运算,同时可以忽略一些干扰信息,将图像原本最重要的特征信息保留下来.一般边缘检测采用的算子为Roberts和Sobel.而针对于车牌识别中车牌定位的提取,基于原有技术的基础上,可采用一种结合和改进的Roberts算子边缘检测和形态学的车牌定位算法：一是增加两个方向的检测模版； 二是Roberts算子阀值的自动选取.
形态学处理是基于数学形态学的技术,数学形态学具有解析和叙述几何形态学的功能.其基本运算有四种：开运算、闭运算、膨胀以及腐蚀,在车牌识别中可先对边缘检测好的图像进行腐蚀,再根据车牌的一些先验知识对图像做填充及滤波处理最终得到车牌位置.
在完成车牌定位之后,在车牌字符分割之前需要对已定位好的车牌进行倾斜校正处理.一般可采用Hough变换调整水平方向, Rodon变换调整垂直方向.
（三）基于垂直投影并结合连通域及模板匹配的分割方法
基于传统算法的优缺点,采用一种基于垂直投影法并结合连通域及模板匹配法进行字符分割,首先是根据连通域找出字符之间的宽度,然后再结合投影法确定单个字符的位置,最后再参考字符之间宽度建立一个分割模板.
为了能够对分割出来后的单个字符进行统一的尺寸管理,提高字符识别率,可以将分割后的单个字符统一归一化,设置其高度和宽度的像素大小分别为40和20.
（四）基于神经网络的字符识别方法
设定两个识别模板包括汉字识别模块以及数字和字母识别模块.先依据标准车牌的字符分布位置来制定相应的模块,首字为汉字,其余均为数字和字母（车牌上的圆点分割符号不做识别处理）；其次是提取相应字符的模块特征并送入分类器进行分类处理；最后将识别出来的字符按照相应的顺序进行排列并最终得到字符识别结果.其具体流程如下：1、输入分割后的字符；2、字符归一化；3、根据字符进入相应字符识别模块；4、提取字符特征；5、识别字符；6、组合识别效果；7、输出分割后的字符.
通过对分割出来后的字符进行网络像素特点维数大小的提取以用来确定输入层神经元的数目.对于归一化之后的点阵字符像素大小尺寸为40*20,将每一个像素点设定为一个网格,则输出层神经元的数目设定为800.
二、车牌识别系统的应用范围
车牌识别是现代智能交通系统中的重要组成部分之一,应用广泛.这项技术可应用于公路收费、停车管理、称重系统、交通诱导、交通执法、公路稽查、车辆调度、车辆检测等各种场合,对于维护交通安全和城市治安,防止交通堵塞,实现交通自动化管理有积极意义.社会使用价值很高.具有深远的研究价值和潜在而巨大的经济效益.
参考文献：
[1]冈萨雷斯.数字图像处理（第二版）[M].电子工业出版社,2007.8
[2]霍洪涛.数字图像处理[M].北京：机器工业出版社,2003
[3]刘锐宁,梁水,宋坤. Visual C++程序开发范例宝典（第二版）[M].人民邮电出版社 ,2007.7
[4]赵春江. C#数字图像处理算法典型实例[M].人民邮电出版社 ,2009.3
[5]吴李汉. 车牌自动识别系统的实际和实现.机器视觉[J],2006.9
[6]袁曾任. 人工神经元网络及其应用[M].北京：清华大学出版社 ,1990.10
[8]鲍虎,张海丹,孙巍.基于改进Sobel算子的边缘检测车牌定位方法[J].
总结:本文是一篇关于神经网络论文范文，可作为相关选题参考,和写作参考文献。
参考文献：
1、 基于灰度共生矩阵和模糊BP神经网络的木材缺陷识别 摘 要：针对当前木材资源紧缺的严重形势，提高木材缺陷检测的准确率显得尤为重要。利用X射线无损检测技术获取木材缺陷的图像，并且通过灰度共生矩阵的。
2、 基于BP神经网络的人脸识别算法的实现 摘要：人脸识别技术是当前进行身份识别的研究热点，已广泛应用在社会的各个领域。BP神经网络算法可以通过自动学习对网络的权值和偏差进行反复的调整训练。
3、 基于PSO—BP神经网络的语音识别 摘要：针对应用传统BP神经网络在语音识别中训练速度慢、容易陷入局部最优解的问题。该文提出了基于粒子群优化算法的BP神经网络语音识别模型。首先对不。
4、 BP神经网络算法在图书借阅和学生成绩相关性中的应用 摘要：该文通过与学校网络中心及教务处联系，对学校图书馆数据库与教务管理系统数据库进行对接。利用数据挖掘的常用算法BP神经网络算法，抽取图书馆数据。
5、 基于BP神经网络北京市物流需求预测 摘 要：随着物流在国民经济中重要性的提高，对于物流需求的准确预测成了物流发展规划中重要的一部分。选取了对物流需求影响较大的七个指标构建了一个三层。
6、 优化BP神经网络在玉米产量预测中应用 摘 要：玉米产量预测一直是农业发展过程中的重要组成部分。神经网络算法以其较好的非线性优化拟合能力应用于玉米产量的预测中。但是传统的神经网络算法具。