实例介绍
【实例简介】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。
【实例截图】
好例子网口号：伸出你的我的手 — 分享！
小贴士
感谢您为本站写下的评论，您的评论对其它用户来说具有重要的参考价值，所以请认真填写。
- 类似“顶”、“沙发”之类没有营养的文字，对勤劳贡献的楼主来说是令人沮丧的反馈信息。
- 相信您也不想看到一排文字/表情墙，所以请不要反馈意义不大的重复字符，也请尽量不要纯表情的回复。
- 提问之前请再仔细看一遍楼主的说明，或许是您遗漏了。
- 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦，又没人会搭理，于人于己都无利。
关于好例子网
本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享，对搜索内容的合法性不具有预见性、识别性、控制性，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论平台是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定，若资源存在侵权或相关问题请联系本站客服人员，点此联系我们。关于更多版权及免责申明参见 版权及免责申明
网友评论
我要评论