石贵民,余文森 ,肖钟捷

(武夷学院 数学与计算机学院,福建 武夷山　354300)



基于Gabor特征和协同神经网络的车牌识别方法

石贵民,余文森 ,肖钟捷

(武夷学院 数学与计算机学院,福建 武夷山354300)

研究了车牌字符识别问题，针对车牌识别系统易受天气及光照变化影响的实际应用，将Gabor特征和协同神经网络应用在车牌字符识别中，提高了识别率.首先对车牌字符进行二值化和切分，然后利用Gabor滤波器提取车牌字符的特征参数；再利用协同模式训练特征参数，进而得出训练样本；最后根据协同神经网络进一步识别车牌字符.通过大量仿真实验表明，该方法在不同场景、光照条件下，与传统方法相比，识别率有了较大改进，该方法在车牌识别领域有较强的实用性.

特征提取；神经网络；车牌识别；字符分割；Gabor变换

汽车牌照识别LPR(license plate recognition)是智能交通领域中的重要研究课题，随着中国经济和汽车数量的迅速增长，LPR成为交通管理智能化的迫切需求.车牌识别综合了计算机视觉、数字图像处理、人工智能、模式识别、自动控制等多个学科，主要分牌照定位和字符识别2个阶段.传统的字符识别方法有模板匹配[1-2]、神经网络[3-5]、支持向量机[6]等.模板匹配的准确率偏低，神经网络存在伪状态也降低了识别率，支持向量机则更适合2类问题的分类.针对车牌识别易受天气状况以及光线变化等环境因素的影响，识别准确率和效率低的问题，本文采用扫描线、区域生长及投影相结合的……