车牌图像特征提取及改进神经网络的识别算法研究

摘要：

针对车牌字符图像进行特征提取与识别算法的研究。使用BP神经网络识别算法建立车牌字符图像的识别。由于常规BP神经网络算法本身存在训练过程容易陷入局部最小值、收敛效率低以及网络结构参数不易确定等缺点。另外， BP网络结构参数的选取对算法的性能影响很大，而参数的选取通常是根据经验公式选取的，存在很大的随机性和盲目性，使算法的性能无法得到保证。因此该文使用收敛速度快、适用于全局搜索的PSO优化算法对BP神经网络算法的性能进行优化，研究一种双粒子群优化的改进BP神经网络算法。最后通过车牌识别实验对识别算法进行研究，结果表明，通过对神经网络算法进行改进，使用其建立汉字识别模型、字母识别模型以及混合识别模型的识别准确率均优于常规神经网络算法建立的模型，具有较好的识别性能。

关键词：车牌字符识别、特征提取、神经网络、粒子群优化算法

所属期刊栏目：39

分类号：TN926-34;U495

资助基金：教育部博士点基金20106201110003

在线出版日期：2016-08-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：102-104,107