【正文】 因此在獲得車牌圖像后對車牌傾斜矯正的處理方面，是今后需要改進的地方。 把這些特征綜合起來就形成了字符的矢量 特征。 （ 4）按照式（ 316）和式（ 317）計算中間隱含層各個神經(jīng)元的凈輸入和輸出 1nkkj ij i jis w x ????? 1,2, pj? … ， （ 316） ()kkjjb f s? 1,2, pj? … ， （ 317） （ 5）按照式（ 318）和式（ 319）計算輸出層各個神經(jīng)元的凈輸入和實際輸出 1pkkt jt k tjl v b ????? t=1,2， … ， q （ 318） ()kkttc f l? t=1,2， … ， q （ 319） （ 6）根據(jù)給定的期望輸出，按照式（ 320）計算輸出層各個神經(jīng)元的校正誤差 ktd ( ) ( )k k k kt t t td y c f l??? t=1,2， … ， q （ 320） (7) 按照式（ 321）計算隱含層各個神經(jīng)元的校正誤差 kte 1[ ] ( )qk k kt jt t jte v d f s? ?? ? j=1,2， … ， p （ 321） （ 8）按照式（ 322）和式（ 323）修正隱含層至輸出層的連接權值 V 和輸出層神經(jīng)元的閾值 ? ，其中 ? 為學習速率， 0? 1 kkjt t jv d b??? 1,2, pj ? … ， ， t=1,2， … ， q （ 322） kttd???? t=1,2， … ， q （ 323） （ 9）按照式（ 324）和式（ 325）修正隱含層至輸出層的連接權值 W 和輸出層神經(jīng)元的閾值 ? ，其中 ? 為學習速率， 0? 1 北京理工大學 20xx 屆本科生畢業(yè)設計（論文） 19 kkjt j iw e x??? 1,2, ni ? … ， , j=1,2， … ， p （ 324） kjje???? j=1,2， … ， p （ 325） （ 10）隨機選取下一個學習模式對提供給網(wǎng)絡，返回（ 3），直至全部 m 個學習模式對訓練完畢。與 jtV? 類似，連接權 ijW的調節(jié)量為： kikjijkij aeWEW ???????? ?? （ 312） 北京理工大學 20xx 屆本科生畢業(yè)設計（論文） 17 其中， 10 ??? ),2,1。 BP 網(wǎng)絡其神經(jīng)元的傳遞函數(shù)是 S 型函數(shù)，輸入量為 0 到 1 之間的連續(xù)量，它可以實現(xiàn)從輸入到輸出的任意非線性映射。 輸入分為興奮型（正值）和抑制型（負值）兩種。這里的 nXXX ,2,1 ? 表示的為它的 n 個輸入； nWWW ,2,1 ? 表示與它相連的 n 個突觸的連接強度，其值成為權值；iXiW? 稱為激活值，表示這個人工神經(jīng)元的輸入總和，對應于生物神經(jīng)細胞的膜電位； O表示這個人工神經(jīng)元的輸出； ? 表示這個人工神經(jīng)元的閾值。細化算法有很多，按照迭代方分為兩類，一類是非迭代過程，一類是迭代過程。該目標函數(shù)是垂直投影函數(shù) ()xV 與 ( 1)xV? 二次差分的比率，即： ( 1 ) ( ) ( 1 )()2x x xxV V VV???? 分割目標函數(shù)的最高值看作是可能出現(xiàn)的斷裂點。所以為了便于對圖像的處理，首先需要將圖像進行二值化操作。 這些方法各有優(yōu)缺點，要實現(xiàn)快速準確地定位車牌，應該綜合利用車牌的各種特征，僅靠單一特征難以達到目的。對車牌圖像進行邊緣檢測，有若干種方法可以使用，其中大多數(shù)是基于導數(shù)掩模求卷積的方法。 我國的車牌不僅種類多，而且不夠規(guī)范，分為很多種類型，并且車牌上還有漢字。此外，各高校部門實驗室也相繼投入科研力量，如清華大學人工智能國家重點實驗室、上海交通大學計算機科學和工程系、浙江大學自動化系等，在車牌識別方面均有研究，并都取得了不錯的成績。神經(jīng)網(wǎng)絡中 BP 網(wǎng)絡是其中應用比較廣泛且技術較為成熟的網(wǎng)絡， BP網(wǎng)絡在如今已經(jīng)被廣泛地應用到各個行業(yè)領域，它優(yōu)越性主要體現(xiàn)在四個方面：函數(shù)逼近、模式識別、分類、數(shù)據(jù)壓縮。 北京理工大學 20xx 屆本科生畢業(yè)設計（論文） — 撰寫論文，準備答辯。 圖像預處理：該 單元對拍攝的汽車圖片進行灰度化邊緣檢測等處理?；?BP 網(wǎng) 絡的車牌識別系統(tǒng)正是在這種應用背景下研制出來的，它能夠自動、實時地識別車輛牌照，從而監(jiān)控車輛的收費、闖關、欠費以及各種舞弊現(xiàn)象。） 工作基礎：了解 C++的基本概念和語法，熟練使用 Visual C++軟件。它的學習規(guī)則是使用最速下降法 ,通過反向傳播來不斷調整網(wǎng)絡的權值和閾值 ,使網(wǎng)絡的誤差平方和最小。 了解人工智能的基本概念以及神經(jīng)網(wǎng)絡的基本原理。 — 掌握 Visual C++ 中的圖片處理的基本方法。車牌識別系統(tǒng)可以廣泛應用于電子收費、出入控制、公路流量監(jiān)控、失竊車輛查詢和停車場車輛管理等需要車牌認證的場合，尤其在高速公路收費系統(tǒng)中，實現(xiàn)不停車收費提高公路系統(tǒng)的運行效率，車牌識別系統(tǒng)更具有 不可替代的作用。由于國內車牌和國外車牌差異性的存在，尤其是國內車牌漢字的存在，以及其他一系列的問題，所以國外關于識別率的報道只具有參考價值，其在中國的應用效果可能沒有在國外的應用效果好。 北京理工大學 20xx 屆本科生畢業(yè)設計（論文） 4 圖 BP 網(wǎng) 絡車牌字符識別流程圖 第二章 字符識別方法 圖像預處理 圖像預處理就是對將要利用的圖片進行處理使得圖像有更好的利用效果，可以很好的從處理過的圖片中得到想需要的信息。因此，再進行汽車牌照的定位及字符識別之前需要先對車輛圖像進行邊緣檢測處理提高圖像的質量，使其易于后面的分割與識別。 （ 4）基于邊緣檢測的車牌定位方法。 圖 28 向右邊傾斜的牌照 圖 29 向左邊傾斜的牌照 矯正的方法是采用 Hough 變換，其原 理如下： 極坐標中直線的方程為： cos si n rs x y???? 式中 s 是直線離原點的法線距離， ? 是該法線對 x 軸的角度，如圖 210 所示。由于二值化的原因，可能會產(chǎn)生粘連、斷裂的字符。歸一化后的牌照圖像如圖 220 所示 。人工神經(jīng)元模型是生物神北京理工大學 20xx 屆本科生畢業(yè)設計（論文） 13 經(jīng)元的模型與抽象。特的輸入輸出關系由下圖表示，式（ 32）是它的表達式。 BP 網(wǎng)絡是一種按誤差逆?zhèn)鞑ニ惴ㄓ柧毜亩鄬忧梆伨W(wǎng)絡。 激活函數(shù) 的導數(shù)為 )](1)[()(39。 （ 2）隨機選取一個學習模式對量對（ ,kkXY）提供給網(wǎng)絡。 （ 3） 區(qū)域分布 把 3216 的字符區(qū)域分成 32 小區(qū)域，統(tǒng)計每個區(qū)域中字符點的數(shù)目。車牌魯 A 查閱大量資料，了解了 BP 神經(jīng)網(wǎng)絡的算 法，體會到了神經(jīng)網(wǎng)絡的優(yōu)勢和在未來發(fā)揮的作用。提取單一的特征送入神經(jīng)網(wǎng)絡的識別效果并不十分理想，這里通過提取二值化字符的各北京理工大學 20xx 屆本科生畢業(yè)設計（論文） 22 方面特征，如投影距離、投影直方圖、矩、區(qū)域密度、輪廓線特征系數(shù)，送入神經(jīng)網(wǎng)絡進行識別。 （ 12）更新網(wǎng)絡學習次數(shù)，若學習次數(shù)小于規(guī)定的次數(shù)，返回（ 2）。 BP 網(wǎng)絡的學習規(guī)則實現(xiàn)的是學習模式集合上平方和誤差 kE （或 E ）的梯度下降，而不是特定某個分量的絕對誤差 kj? 的梯度下降。 BP 網(wǎng)絡的實現(xiàn)分為兩個階段：學習階段和識別階段。 令 jiW 為第 i 個神經(jīng)元的第 j 個輸入連接權，這個輸入可以是外來的輸入信號，也可以來自其他神經(jīng)元的輸出。設 XTW?是權與輸入的矢量積（標量），相當于生物神經(jīng)元由外加刺激引起的膜內電位的變化。車牌圖像進行預處理后，細化處理是關系到后面能否正確提取字符特征值的關鍵，本文使用 Rosenfeld 骨架細化的方法，細化處理后可以得到圖 像中字符的基本骨架，不會破壞原來的連通性?！?，記下位置 a； ② “while(project[i]=t) i++。在實際的車牌處理系統(tǒng)中，進行圖像二值變換的關鍵是要確定合適的閾值，使得字符與背景能夠分割開來，二值變換的結果圖像必須要具備良好的保形性，不丟掉有用的形狀信息，不會產(chǎn)生額外的空缺等等。 在本系統(tǒng)中，用水泡方向的差分算子 對汽車圖像求梯度。所以我們要對照片進行車牌定位，然后把車牌部分分割出來。 我國的小型民用車車牌一共是七位（除去分隔符），前面兩位是地區(qū)信息，后面五位是號碼，并采用藍底白字的車牌，輪廓尺寸為 440mm140mm,寬和高近似比例為 3:1。車牌字符識別是在車牌準確定位的基礎上，對車牌使得漢字、字母、數(shù)字進行有北京理工大學 20xx 屆本科生畢業(yè)設計（論文） 3 BP 神經(jīng)網(wǎng)絡 歸一化 圖像輸入 灰度轉化 字符分割 邊緣檢測 牌照剪切 二值化 字符庫 特征提取 輸出結果 效確認的過程。在此情況下，作為信息來源的自動檢測、圖像識別技術越來越受到人們的重視。針對車牌圖像的處理的過程包括：車牌圖像去噪、車牌圖像灰度化、車牌圖像二值化、車牌字符圖像分割、車牌字符圖像歸一化、車牌字符圖像特征值提取。從原圖像中提取出需要的部分舍棄不需要的部分，以便節(jié)省系統(tǒng)識別時間。 因此，對于研究基于 BP 網(wǎng)絡的車牌識別系統(tǒng)有重要的意義。 工作目的：熟練掌握 Visual C++應用程序的開發(fā)。 完成基于樣本的神經(jīng)網(wǎng)絡的訓練以及圖像中 車牌信息 的識別，并對其性能進行統(tǒng)計和總結。但對環(huán)境要求 比較高，在全天候的條件下，都存在著識別精度不高的問題，識別時間比較長的缺點。 六、進度安排 — 查找資料，通過書籍和視頻學習 C++的基本概念和語法 ， 練習使用 VC++ 軟件。 license plates recognition 北京理工大學 20xx 屆本科生畢業(yè)設計（論文） 1 目 錄 第一章 緒論 ........................................................................ 1 課題研究背景 .................................................................. 1 研究現(xiàn)狀 ......................................................................... 2 本文研究內容 .................................................................. 3 第二章 字符識別方法 ........................................................ 4 圖像預處理 ..................................................................... 4 車牌定位 ......................................................................... 6 字符分割 ......................................................................... 9 第三章 BP 神經(jīng)網(wǎng)絡 ........................................................ 12 人工神經(jīng)網(wǎng)絡 .................................................................12 BP 網(wǎng)絡 ..........................................................................15 第四章 基于 BP 網(wǎng)絡的車牌識別系統(tǒng) ........................... 21 字符特征提取 .................................................................21 系統(tǒng)識別模塊 .................................................................21 程序運行 ........................................................................22 第五