论文部分内容阅读
车辆牌照识别(License Plate 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。