一种基于神经网络的车牌定位方法

针对过去车牌定位难的问题,提出了一种基于神经网络的车牌定位方法,算法通过神经网络训练、图像预处理以及用训练好的网络进行车牌的定位,依照上述算法对编制的软件检验,从测试的 600 幅 320×240(像素×像素)汽车图像,正确率达到了 95.1%,每幅图像的运行时间小于 2s,基本上达到了实时处理的要求。     

基于神经网络的车牌自动识别算法

由于车牌字符自动识别系统对实时性要求较高，采用一种全局自适应快速BP算法神经网络，根据车牌字符特征，分别构造了4个子神经网络，实现了能够应用于实际的牌照自动识别系统。实验证明，用该算法实现的车牌字符识别系统识别率高，误识率低，可直接用于实际的牌照自动识别系统。     

一种基于车牌特征信息的车牌识别方法

提出一种基于车牌特征信息分析的车牌识别方法，它充分利用车牌定位和字符分割过程中得到的信息对车牌识别过程进行反馈，将二值化、车牌定位和字符分割紧密结合，注重车牌与车辆背景图像分离特征，以连通域分析为字符分割特点，结合局部二值化算法，提高正确率。实际应用结果表明，本方法具有很强的环境适应性和鲁棒性。     

基于BP神经网络的车牌识别系统

车牌识别系统是智能交通领域的重要组成部分,在现代交通管理中的作用举足轻重.基于VC++ 6.0进行实验,针对中国的车牌进行研究,用BP神经网络来实现车牌识别.车牌识别分为图像预处理、车牌定位、字符分割和字符识别四个步骤.利用车牌的先验知识进行定位,引进双阈值进行字符分割,利用13段特征提取法提取特征向量,实验表明该识别算法行之有效.     

基于BP神经网络的车牌识别系统

车牌识别系统是智能交通领域的重要组成部分,在现代交通管理中的作用举足轻重。基于VC++6.0进行实验,针对中国的车牌进行研究,用BP神经网络来实现车牌识别。车牌识别分为图像预处理、车牌定位、字符分割和字符识别四个步骤。利用车牌的先验知识进行定位,引进双阈值进行字符分割,利用13段特征提取法提取特征向量,实验表明该识别算法行之有效。     

基于神经网络的车牌汉字识别方法

为提高车牌汉字识别率,提出一种基于BP神经网络的车牌汉字识别方法。首先使用图像与处理技术对车牌汉字进行处理,包括自适应二值化、规范化、细化等;其次采用改进训练过程和参数的BP神经网络对汉字进行识别。实验结果表明,较其它算法,该算法运算速度快、自学习能力强、识别率和效率高。     

车牌定位技术研究

车牌识别是智能交通系统的重点研究方向之一,车牌定位是车牌识别的重要技术环节。笔者研究了基于canny算子的边缘检测和数学形态学运算的车牌定位算法,并对算法进行分析验证。结果表明该车牌定位方法准确率较高,有利于车牌识别。     

基于小波神经网络在车牌识别中的研究

小波神经网络是将小波函数和神经网络相结合的一种网络,它结合了小波变换和神经网络的优点,适合于图像处理、系统辨识、数据压缩等领域。本文论述了将小波神经网络应用于车牌自动识别系统的研究。     

基于神经网络的上海车牌价格预测模型

介绍了神经网络预测模型,探讨了如何建立基于神经网络的上海车牌价格预测模型,并对测试结果进行了分析。     

基于神经网络与粗糙集的车牌字符识别方法

车辆牌照的自动识别是目标自动识别的一种重要形式,针对车牌识别的后期技术,即牌照识别技术做了研究并提出了一种基于神经网络与粗糙集的车牌字符识别方法,实验结果表明,和标准神经网络相比,该算法具有更加良好的性能,满足实时识别车牌的要求。     

多特征与BP神经网络车牌识别系统研究

汽车牌照识别技术是智能交通管理系统中的关键技术;基于数字图像处理理论,将计算机视觉与模式识别技术相结合,对车辆牌照识别系统进行了研究。为了提高系统车牌识别能力,提出了一种综合颜色特征和投影特征相结合的车牌定位方法。字符分割采用了投影法;字符特征选取了互补性强的粗网格特征、投影特征以及外围轮廓特征;最后采用BP神经网络进行车牌字符识别。对车牌字符的识别分为汉字、字母及字母数字三类进行。实验表明,多种图像处理技术与模式识别技术有机结合能有效地提高系统的识别能力;本系统所采用的方法取得了较好的识别效果。     

一种基于BP神经网络的车牌字符识别方法

就机动车牌照的字符识别与处理进行了详细的讨论,重点讨论了BP神经网络方法在机动车牌照字符识别中的应用,用Visual C++完成了对机动车牌照字符识别的模拟,最后给出实验结果。     

基于神经网络的汽车牌照自动识别

介绍行驶车辆牌照自动识别系统基础上 ,对所获取的车辆正面车头图象 ,采用了多层次分割算法来定位车牌照 ,从图象背景中分离出牌照 ,再采用一种阴影掩膜技术对单个英文字母及阿拉伯数字进行编码 ,提取字符特征 ,并进而用BP网络进行识别。整个算法简单 ,识别率可达 96%。     

基于神经网络的工业图像识别

工业现场所采集的图像一般都会受到不同程度的污染，针对这种情况，将离散型Hopfield神经网络的联想记忆特点运用于有噪声污染的工业图像识别。所设计的网络具有并行处理、可训练性及容错性等特点，它能完成图像的识别与分类，在输入有噪声污染的图像时，仍可以识别与恢复图像。以监控系统采集到的有污染的数字图像为例，运用数值仿真技术，证明了该方法的有效性。     

基于神经网络的几种控制图表模式的识别研究

建立一个复合的神经网络模型,使其可以更精确的判断输入的控制图模式,同时利用该网络模型的再分类功能,可以减少判断不同模式时所造成的误判断.通过对各种模式的训练和仿真,表明该方法相对于传统方法有较大的优势.     

中厚板轧制平面形状神经网络预报

通过神经网络的建模，利用实验数据对其进行训练，得到较回归数学模型精度更高的钢板平面形状外形曲线，若用MAS法控制平面形状的外形曲线，其精度更高。     

基于BP网络的入侵检测模型研究与实现

入侵检测是一种积极主动的安全防护技术。入侵检测系统可分为基于主机的和基于网络的两种。和防火墙等其它安全产品相比,他们还存在很多缺陷。人工神经网络通过对大量训练样本的学习,可以获得正常和异常数据的分类知识,从而能够对入侵的异常数据进行识别。为此给出了基于BP网络的入侵检测系统,从试验数据发现,该系统不仅在测试阶段的检全率和误检率达到了令人满意的效果,而且在实时检测中,由于计算量不大,对于攻击和扫描的反应速度快,只要建立相应的报警机制,一旦检测到可能的入侵行为,系统就会立即通知管理员采取适当的措施,保护系统安全。     

基于神经网络的机动车号牌字符识别

以定位、 分割后的机动车号牌字符为研究对象. 首先, 对机动车号牌图像进行大小、 灰度方差、 灰度均值的标准化处理. 其次, 根据机动车号 牌字符的特点, 抽取字符3种不同的特征, 构造3个BP神经网络对机动车号牌字符进行识别. 并根据字符在机动车号牌中所处位置的差异, 在每个BP神经网络中构造4种不同的子网络分 别进行训练和识别. 最后, 每个BP神经网络的输出通过加权求和的组合方式得到最终识别结 果. 在组合各网络输出前, 采用对字符图像求取局部二阶差分值的方法, 将字形相近的字符 进行再分类, 从而有效地降低误识率. 通过分析实验结果, 表明本算法在机动车号牌识 别应用中达到了理想的识别效果.     

利用神经网络识别车辆牌照字符

由于受光照条件、牌照自身清洁程度等因素影响 ,车牌识别系统往往达不到满意的字符识别率 .结合神经网自适应的特点 ,本文利用基于自适应谐振理论 (AdaptiveResonanceTheory ,ART)构成的自组织神经网络进行字符识别 ,给出了算法和实验结果     

Kohonen自组织神经网络在织物折皱等级评定中的应用

采用Kohonen自组织神经网络客观评定织物折皱等级，依据自组织神经网络的基本原理，结合自组织神经网络结构实现神经元的竞争和训练，并将结果输出到相应的分类模式中，以此确定试样的折皱等级，最后采用26种真实织物验证该方法的可行性。