沈 洋，詹永照，单士娟

（1.江苏大学 计算机科学与通信工程学院，江苏 镇江212013；2.宿迁学院 计算机科学系，江苏 宿迁223800）

0 引 言

智能交通系统是衡量一个国家现代化程度的重要指标，而车牌的自动识别是智能交通系统的关键技术之一［1］，在车牌识别中最难的就是汉字的识别，一方面汉字的笔画繁多，提取特征比较困难，另一方面有些汉字因为天气和路况等原因，污染的比较严重，所以车牌汉字识别一直都是车牌识别系统的核心技术。

当前对于车牌汉字识别，应用比较广泛的主要有以下两种方法［2］：第一种是根据汉字的笔画结构特征进行识别［3－5］，理论上可以识别结构复杂的汉字，但是对于恶劣环境下的汉字识别率太低。第二种是依据汉字图像的统计特征进行识别，常见的是利用一些不变矩函数提取汉字的特征，从而进行分类。这种方法对于汉字图像的平移，旋转具有不变性，对图像的局部变化也不敏感，所以具有较强的抗干扰性，例如：高全华等［6］提出了一种基于伪Zernike矩的汉字识别方法，该方法将伪Zernike矩作为待识别车牌汉字的特征向量，输入概率神经网络中进行汉字识别，取得了较好的识别效果。然而还存在以下几个问题：①伪Zernike矩作为图像的特征向量时，需要使用比较高的维数才能较好表达图像，而高维特征向量不仅会增大后续操作的计算量，还可能存在冗余信息，在识别时不利于精确度的提高。②概率神经网络的模式层节点的个数等于训练样本的个数，当使用大样本的数据进行训练时，会严重影响识别的时间和对内存的需求。……