基本信息
源码名称:基于神经网络的车牌识别系统研究
源码大小:2.47M
文件格式:.pdf
开发语言:MATLAB
更新时间:2022-04-16
友情提示:(无需注册或充值,赞助后即可获取资源下载链接)
嘿,亲!知识可是无价之宝呢,但咱这精心整理的资料也耗费了不少心血呀。小小地破费一下,绝对物超所值哦!如有下载和支付问题,请联系我们QQ(微信同号):813200300
本次赞助数额为: 2 元×
微信扫码支付:2 元
×
请留下您的邮箱,我们将在2小时内将文件发到您的邮箱
源码介绍
Recognition,LPR)系统是智能交通系
统(Intelligent
Traffic
System,ITS)中的重要组成部分,在公共安全、交
通管理及军事部门有着极其重要的应用价值。本论文在前人工作的基
础上,完善并改进车牌识别系统软件设计,并针对车牌字符分割与识
别的理论与技术进行了深入地研究,主要集中在字符的特征提取和分
类方面。
1.将基于奇异值分解(Singular
Value
Decomposition,SVD)的主量
成分分析(Principal Component Analysis,PCA)方法应用于车牌字符的
特征提取,并采用粗集理论(Rough Set,RS)对提取的主量特征进行约
简,以约简后的特征作为神经网络输入,不仅可以降低网络结构的复
杂度,而且可以提高网络学习速率及单个字符的识别率。
2.在识别方法研究中,分析与比较了模板匹配和神经网络方法的
优缺点,将模板匹配与BP神经网络相结合,采用多级多分类器的方
案,设计了数字、字母、数字字母混合及汉字分类器。实验证明:该
方法对相似字符的识别是很有效的。
基于神经网络的车牌识别系统研究
车辆牌照识另O(License
PlateRecognition,LPR)系统是智能交通系
统(Intelligent
Traffic
System,ITS)中的重要组成部分,在公共安全、交
通管理及军事部门有着极其重要的应用价值。本论文在前人工作的基
础上,完善并改进车牌识别系统软件设计,并针对车牌字符分割与识
别的理论与技术进行了深入地研究,主要集中在字符的特征提取和分
类方面。
1.将基于奇异值分解(Singular
Value
Decomposition,SVD)的主量
成分分析(Principal Component Analysis,PCA)方法应用于车牌字符的
特征提取,并采用粗集理论(Rough Set,RS)对提取的主量特征进行约
简,以约简后的特征作为神经网络输入,不仅可以降低网络结构的复
杂度,而且可以提高网络学习速率及单个字符的识别率。
2.在识别方法研究中,分析与比较了模板匹配和神经网络方法的
优缺点,将模板匹配与BP神经网络相结合,采用多级多分类器的方
案,设计了数字、字母、数字字母混合及汉字分类器。实验证明:该
方法对相似字符的识别是很有效的。