【正文】 .........40 漢字識(shí)別 ................................................................................40 車牌識(shí)別 ................................................................................41 注意事項(xiàng) ..............................................................................................41 第五章 結(jié)論和展望 ............................................................................................42 致謝 ...........................................................................................................................43 參考文獻(xiàn) ...................................................................................................................44 外文原文與譯文 .......................................................................................................46 ? 外文 原文 ....................................................................................................46 ? 譯文 ............................................................................................................57 武漢科技大學(xué)本科畢業(yè)設(shè)計(jì) (論文 ) 第 1 頁(yè) 第一章 概 述 基本概念 隨著 21 世紀(jì)經(jīng)濟(jì)全球化和信息時(shí)代的到來(lái)，計(jì)算機(jī)技術(shù)、通信技術(shù)和計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)迅猛發(fā)展，自動(dòng)化的信息處理能力和水平不斷提高，并在人們社會(huì)活動(dòng)和生活的各個(gè)領(lǐng)域得到廣泛應(yīng)用。武漢科技大學(xué)本科畢業(yè)設(shè)計(jì) (論文 ) 第 I 頁(yè) 摘 要 為了對(duì)車牌字符的識(shí)別，本文將 BP 神經(jīng)網(wǎng)絡(luò)應(yīng)用于汽車車牌的自動(dòng)識(shí)別，在車牌圖像進(jìn)行預(yù)處理后的基礎(chǔ)上，重點(diǎn)討論了用 BP 神經(jīng)網(wǎng)絡(luò)方法對(duì)車牌照字符的識(shí)別。高速度、高效率的生活節(jié)奏，使汽車普及成為必然趨勢(shì)，交通管理自動(dòng)化越來(lái)越成為亟待解決的問(wèn)題。而當(dāng)今許多實(shí)際應(yīng)用場(chǎng)合，如在繁忙交通路口臨時(shí)對(duì)欠稅 費(fèi)報(bào)廢掛失等車輛的稽查，則監(jiān)視區(qū)域比較復(fù)雜，現(xiàn)有識(shí)別方法無(wú)法直接應(yīng)用，一般同時(shí)出現(xiàn)多輛汽車，背景有廣告牌、樹(shù)木、建筑物、斑馬線以及各種背景文字等。提出了表示邊界的鏈碼法，用于結(jié)構(gòu)分析的細(xì)化思想，以及一些離散圖形上的拓?fù)湫匝芯?，形成了不僅能抽取局部特征， 而且能抽取大范圍的凹凸區(qū)域、連通性、孔等特征的算法，完成了作為基礎(chǔ)理論核心的“特征抽取理論”，及所謂的 KL 展開(kāi)法工作。到一九七八年 ，能閱讀英文字母、數(shù)字、片假名和平假名等 118 種 OCRT0300 上市。用條件概率分布 P(X| wi)表示， m類就有 m個(gè)分布，然后判 定未知模式屬于哪一個(gè)分布。通過(guò)對(duì)樣本的學(xué)習(xí)建立起記憶，然后將未知模式判決為其最接近的記憶。 缺點(diǎn)：準(zhǔn)確合理的隸屬度往往難以建立，故限制了它的應(yīng)用。和其他模式識(shí)別的應(yīng)用一樣，字符識(shí)別的基本思想也是匹配判別。圖 的學(xué)習(xí)部分。由于攝像機(jī)的性能、車牌的整潔度、光照條件、拍攝時(shí)的傾斜角度及車輛運(yùn)動(dòng)等因素的影響使牌照中的字符可能出現(xiàn)比較嚴(yán)重的模糊、歪斜、缺損或污跡干擾，這些都給字符識(shí)別帶來(lái)了難度。所以本課題針對(duì)這種情況創(chuàng)新性的提出了一種復(fù)雜背景下多車牌定位分割與識(shí)別方法，并考慮了彩色分割與 ColorLP 算法，這也是當(dāng)前車牌圖像識(shí)別的發(fā)展趨勢(shì)。 武漢科技大學(xué)本科畢業(yè)設(shè)計(jì) (論文 ) 第 8 頁(yè) 第二章 字符識(shí)別系統(tǒng)中的關(guān)鍵技術(shù) 特征提取 圖像處理的高級(jí)階段是數(shù)字圖像分析（也對(duì)以稱為圖像理解），主要使用計(jì)算機(jī)系統(tǒng)，從圖像中提取有用的數(shù)據(jù)或信息，生成非圖像的描述或表示，如數(shù)值、符號(hào)等，即抽取圖像特征，從而識(shí)別視覺(jué)圖像。 特征提取基本概念 圖像識(shí)別是根據(jù)一定的圖像特征進(jìn)行的，顯然這些特征的選擇很重要，它強(qiáng)烈地影響到圖像識(shí)別分類器的設(shè)計(jì)、性能及其識(shí)別結(jié)果的準(zhǔn)確性。為了方便起見(jiàn)，對(duì)幾個(gè)經(jīng)常用道的有關(guān)名詞作一些說(shuō)明。 良好的特征應(yīng)具備以下 4 個(gè)特點(diǎn)： (1) 可區(qū)別性。例如細(xì)胞的曲徑和細(xì)胞的面積高度相關(guān)，因?yàn)槊娣e大致與直徑的平方成正比。通常符合上述要求的理想特征是很少甚至沒(méi)有的。 對(duì)一幅二值圖像 { f(x,y):i,j=0,1,2? N1}來(lái)說(shuō)，上述條件無(wú)疑可被滿足。 2. 投影 投影的示意圖如圖 21 所示。 對(duì)數(shù)字降像而言，如果圖像的背景用 0標(biāo)記，目標(biāo)物體用 1記，則歐拉數(shù)可用下式計(jì)算： () n(1)表明圖像中像素點(diǎn)均數(shù)目 ， 表示二位圖像中具有垂直相鄰兩個(gè) 1標(biāo)記的狀態(tài)記數(shù)， n(1 1) 表示具有水平相鄰 1 標(biāo)記的狀態(tài)記數(shù)， 表示 4 個(gè)武漢科技大學(xué)本科畢業(yè)設(shè)計(jì) (論文 ) 第 13 頁(yè) 1 標(biāo)記相鄰的狀態(tài)記數(shù)。 (2) 圓形度 R 圓形度用來(lái)表示目標(biāo)物體形狀接近圓形的程度，其計(jì)算公式為： () 式中 S為區(qū)域的面積， L為周長(zhǎng)， R的取值范圍為 0〈 R≤ 1， R越人，則區(qū)域越接近圓形。可利用傅立葉變換描述 y=f (x,y)，這一方法稱為傅立葉描繪武漢科技大學(xué)本科畢業(yè)設(shè)計(jì) (論文 ) 第 14 頁(yè) 子。由于 φ(l)不是一個(gè)周期函數(shù)，為將其變換為周期函數(shù)引入另一個(gè)變量 則 t?[0,2Π]。這樣，區(qū)域邊界 r就可用序列 {a0,a1,b1,a2,b2,? }進(jìn)行描述可刻畫(huà)。 (a) 邊界的 8 種走向和對(duì)應(yīng)的方向碼 (b) 邊界產(chǎn)生的方向鏈碼 圖 2.．鏈碼 對(duì)于離散的數(shù)字圖像，區(qū)域的邊界輪廓可理解為相鄰邊界像素點(diǎn)之問(wèn)的單元連線逐段相連而成。武漢科技大學(xué)本科畢業(yè)設(shè)計(jì) (論文 ) 第 17 頁(yè) 當(dāng)然，也可以按順時(shí)針?lè)较蜻M(jìn)行，所構(gòu)成的邊界鏈碼完全不同逆時(shí)針?lè)较蛐羞M(jìn)的情況。表示方向鏈中偶數(shù)碼的數(shù)目，此表示奇數(shù)碼的個(gè)數(shù)。神經(jīng)元輸出除受輸入信號(hào)的影響之外，同時(shí)也受到神經(jīng)元內(nèi)部其他因素的影響，所以在人工神經(jīng)元的建模中，常常還加有一個(gè)額外輸入信號(hào)，稱為偏差（ Bats）， 有時(shí)也稱為閥值或門限值。見(jiàn)圖 。 圖 S 型函數(shù)（對(duì)數(shù)正切） ② 雙曲正切 y=tanh(n) () 輸入與輸出成雙曲正切關(guān)系，見(jiàn)圖 。 前向網(wǎng)絡(luò)的特點(diǎn)如下： (1) 神經(jīng)元分層排列，可又多層；。 1． BP網(wǎng)絡(luò)模型 BP 神經(jīng)網(wǎng)絡(luò)模型見(jiàn)圖 圖 BP 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) 可以看出， BP 網(wǎng)絡(luò)一般情況下有一個(gè)輸入層，一個(gè)隱藏層（有時(shí)是兩個(gè)或更多），一個(gè)輸出層。 (1)．輸出層的權(quán)值變化 從第 i個(gè)輸入到第 k個(gè)輸出的權(quán)值改變有： () 同理可得： () (2)．隱含層權(quán)值變化 () 其中， 同理可得， 。而對(duì)于只能用非線性函數(shù)解決的問(wèn)題，單層精度又不夠高，也只有增加層才能達(dá)到期望的結(jié)果。整個(gè)網(wǎng)絡(luò)的訓(xùn)練結(jié)果如表 21所示。所以一般情況下傾向于選取較小的學(xué)習(xí)速率以保證系統(tǒng)的穩(wěn)定性。 (2)．完全不能訓(xùn)練 這主要表現(xiàn)在網(wǎng)絡(luò)的麻痹上。以此方式，當(dāng)增加動(dòng)量項(xiàng)后，促使權(quán)值的調(diào)節(jié)向著誤差曲面底部的平均方向變化，當(dāng)網(wǎng)絡(luò)權(quán)值進(jìn)入誤差曲面底部的平坦區(qū)時(shí)， δ 將變得很小，于是， 武漢科技大學(xué)本科畢業(yè)設(shè)計(jì) (論文 ) 第 29 頁(yè) () 從而防止了 △ Wij(k)＝ 0 的出現(xiàn)，有助于使網(wǎng)絡(luò)從誤差曲面的局部極小值中跳出。在連續(xù)幾次迭代中，若目標(biāo)函數(shù)對(duì)某個(gè)權(quán)導(dǎo)數(shù)的符號(hào)相同，則這個(gè)權(quán)的學(xué)習(xí)速率要增加； ② δ barδ 方法 令 Wij(k)為第 k 次迭代 i 神經(jīng)元到 j 神經(jīng)元連接權(quán)，令 αij(k)為這次迭代對(duì)應(yīng)于該權(quán)的學(xué)習(xí)速率，學(xué)習(xí)速率可按如下調(diào)整規(guī) 則來(lái)確定： () () () 式 中， ξ 是一個(gè)正實(shí)數(shù)，參數(shù) a、 b 和 ξ 由使用者確定，典型值為 ： 104≤ a≤ ， ≤ b≤ 5， ≤ ξ ≤ 。在這兩種情況下，就難于選擇合適的步長(zhǎng)參數(shù) γ。目標(biāo)函數(shù)中的每一個(gè)網(wǎng)絡(luò)可調(diào)參數(shù)有獨(dú)工的學(xué)習(xí)速率； 帶有附加動(dòng)量因子的權(quán)值調(diào)節(jié)公式為： () () 其中 k為訓(xùn)練次數(shù)， mc 為動(dòng)量因子，一般取 左右。 5. BP 網(wǎng)絡(luò)的限制與不足 (1)．需要較長(zhǎng)的訓(xùn)練時(shí)間 這主要是由于學(xué)習(xí)速率太小所造成的。 (4)．學(xué)習(xí)速率 學(xué)習(xí)速率決定每一次循環(huán)訓(xùn)練中所產(chǎn)生的權(quán)值變化量。 通過(guò)改變隱含層的節(jié)點(diǎn)數(shù)做試驗(yàn)，當(dāng) sl＝ 2， 3， 4， 5， 6 以及為 25和 30 時(shí)對(duì)網(wǎng)絡(luò)進(jìn)行設(shè)計(jì)。另外不能用僅具有非線性激活函數(shù)的單層網(wǎng)絡(luò)來(lái)解決問(wèn)題。這里考慮用梯 度法（ Gradient）來(lái)找出誤差與 加權(quán)系數(shù)的關(guān)系，以得到加權(quán)系數(shù) 改變的規(guī)律。 武漢科技大學(xué)本科畢業(yè)設(shè)計(jì) (論文 ) 第 24 頁(yè) () () 上式中， △ Wij為權(quán)值的改變， α 為學(xué)習(xí)系數(shù)， Vi是當(dāng)前神經(jīng)元的興奮度， δ是實(shí)際輸出與期望輸出的偏差。 2． 前向網(wǎng)絡(luò) 結(jié)構(gòu)如圖 所示。 武漢科技大學(xué)本科畢業(yè)設(shè)計(jì) (論文 ) 第 21 頁(yè) 圖 正線性作用函數(shù) (3)． S型函數(shù)（ Sigmoid） 也有兩種可能的函數(shù)類型。 下面各圖形中的 n（ W*P 十 b）是輸入， a 是輸出。 ANN 等效模擬電壓近似 BNN 脈沖密度，僅有空間累加無(wú)時(shí)間累加（可認(rèn)為時(shí)間累加己隱含于等效模擬電壓之中）。如圖圖 23(b)的鏈碼為 556570700122333xyz， xyz為起始點(diǎn) S的坐標(biāo)，用 3位 8進(jìn)制數(shù)表示。從圖 23(b)可知，偶數(shù)鏈碼段為垂自或水平方向的代碼段，奇數(shù)鏈碼段為對(duì)角線段。 經(jīng)過(guò)同 Zahn 方法類似的歸一化處理， {an}對(duì)廣的平移、旋轉(zhuǎn)和尺度變換具有不變性。其中△ lm是邊界 vm1 v0之長(zhǎng)。曲線的初始點(diǎn)為 l＝ 0， ?(l)是曲線弧長(zhǎng)為 l 的點(diǎn)的切線方向?；叶刃畔⑼耆梢院雎?。因此，在計(jì)算血積的過(guò)程中對(duì)每一個(gè)不同像素模式加上不同的權(quán)值，以減少誤差。 3．歐拉數(shù) 圖像的歐拉數(shù)是圖像的一中拓?fù)湫再|(zhì)度量，它表明了圖的連通性。 (5) 扁度 扁度定義為區(qū)域的長(zhǎng)短軸之比： () 根據(jù)帕普利斯的定理，將要無(wú)窮多的 mpq序列才能確定 f(x,y)。二值化圖像在形狀和結(jié)構(gòu)分析中占有很重要的地位，本節(jié)討論的算法如沒(méi)有特別說(shuō)明都是基于二值化圖像的。而且，增加帶噪聲的特征或與現(xiàn)存特征相關(guān)性高的特征實(shí)際上會(huì)使識(shí)別系統(tǒng)的性能下降。 (3) 獨(dú)立性好。 目前幾乎沒(méi)有解析的方法能夠知道特征的選擇，很多情況下，憑直覺(jué)的引導(dǎo)可以列出一些可能的特征表，然后用特征排序的方法計(jì)算不同特征的識(shí)別效率。因此研究如何把高維特征寧間壓縮到低維特征空間以便有效地識(shí)別圖像成為一個(gè)重要的課題，例如手寫體文字識(shí)別的特征選擇的研究已將近半個(gè)世紀(jì)，但依然是一個(gè)研究的難點(diǎn)和熱點(diǎn)。 圖像特征提取的結(jié)果給出了某一具體的圖像中與其他圖像相區(qū)別的特征。 (2).系統(tǒng)的軟件平臺(tái) 系統(tǒng)可以運(yùn)行 于 Windows 98, Windows2021, Windows XP 或者 Wi