摘 要：本文研究了基于神经网络的车牌识别系统。首先介绍了人工神经网络算法和其数学模型,解释了其自学习的特性介绍了误差如何在神经网络中向后传播，神经网络存在的一些缺陷及改进方法。研究了车牌预处理的过程，主要是图像去噪，车牌区域提取。鉴于选用不同的去噪方法对图像处理效果影响很大，对某类图像的去噪处理也会影响到边缘信息的提取，本文采用神经网络来决定图像处理流程，最终完成字符特征值提取。系统的仿真测试环境基于VC环境开发，采用MATLA引擎，文中对C++编写的神经网络和主要算法代码做了说明。仿真测试表明，噪声较小的车牌识别率达到90%以上。55771

毕业论文关键词：车牌识别，人工神经网络，自学习

Abstract：This article studies a license plate recognizing system that based on the artificial neural network algorithm. First of all,it introduces the artificial neural network algorithm and its mathematical model,and explains the traits of its elf-learning. It then describes the way how the errors backward propagate and the drawbacks of it ,as well as corresponding improvement.After that,it discusses the preprocessing of the license plate,which focuses on image de-noising and license plate extraction.Given that different image de-noising methods have a significant impact on the effect of processing and a certain class of pictures can’t accept the procedure because of influencing tin the next edge information extraction process.This paper uses neural network to decide the flow of process.After extracting the digital eigenvalues of each character,at the last,it presents how the system call the matlab engine in the vc6.0and the code of neural network along with main function written by the language of C++.The success rate has arrived 90 percent in testing.

Keywords:  license plate recognition，artificial neural network，self-learning

目 录

1课题背景 4

2人工神经网络算法 5

2.1人工神经网络模型 5

2.2人工神经网络的核心——权值的更新 7

3 图像处理 11

3.1车牌的特征 11

3.2图像预处理 12

3.3边缘检测 15

3.4车牌提取 18

3.5图像二值化技术 19

3.6车牌区域分割与细化 20

3.7车牌特征值提取 21

4 系统构造与实现 22

总 结 29

参考文献 30

致 谢 31

1课题背景

计算机的发明和使用给人类文明带来了前所未有的进步，在其诞生后不到100年内，它们已几乎在各个方面都有了超越人类才能的迹象。但计算机在模拟人的智能上进展缓慢而且笨拙，它们程序化的处理方式虽然给了它们无与伦比的速度与正确率，但也使它们丧失了灵活处理无法预测的，模糊问题的能力。一个好的例子就是基于普通算法的车牌识别系统，它们在处理一些特定条件下的车牌图片时，往往表现的很好，然而一旦改变一些条件，比如车牌光照变化，车牌角度变化，车牌字迹模糊化等，其系统就不能自如应变。为了使计算机能更好的应对复杂多变的外界环境，也为了对人的智能这一终极问题的进一步研究，人工神经网络算法应运而生。本文就是基于这种技术的车牌识别系统的研究。系统结构如图1.1所示。