【正文】 BP 神經(jīng)網(wǎng)絡(luò)中就能識(shí)別出來。 針對(duì)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。 （ 20xx 屆） 本科畢業(yè)設(shè)計(jì)（論文）資料 題 目 名 稱： 基于 BP 網(wǎng)絡(luò)的車牌字符識(shí)別 學(xué) 院（部）： 專 業(yè)： 學(xué) 生 姓 名： 班 級(jí)： 學(xué)號(hào) 指導(dǎo)教師姓名： 職稱 職稱 最終評(píng)定成績(jī)： 湖南工業(yè)大學(xué)教務(wù)處 20xx 屆 本科畢業(yè)設(shè)計(jì)（論文）資料 第一部分 畢業(yè)論文 （ 20xx 屆） 本科畢業(yè)設(shè)計(jì)（論文） 學(xué) 院（部）： 電氣與信息工程學(xué)院 專 業(yè)： 電子信息工程 學(xué) 生 姓 名： 班 級(jí)： 學(xué)號(hào) 指導(dǎo)教師姓名： 職稱 職稱 最終評(píng)定成績(jī) 20xx 年 6月 湖南工業(yè)大學(xué)本科畢業(yè)設(shè)計(jì)（論文） I 摘 要 基于 BP 網(wǎng)絡(luò)的車牌字符識(shí)別是一門對(duì)車牌字符識(shí)別的技術(shù)，它的產(chǎn)生是為了完善智能交通系統(tǒng)，使得交通系統(tǒng)更具有 信息 時(shí)代意義。 本文利用 BP 神經(jīng)網(wǎng)絡(luò)與圖像處理技術(shù)相結(jié)合的方法，將 BP 神經(jīng) 網(wǎng)絡(luò)應(yīng)用到車牌字符識(shí)別中。 前面五個(gè)過程是為了保證字符信息能更好的體現(xiàn)出來有利于將特征值得提取。 通過實(shí)驗(yàn) 證明了通過上述的過程是能夠?qū)④嚺谱址R(shí)別出來，在這個(gè)識(shí)別過程中對(duì)于 BP 網(wǎng)絡(luò)訓(xùn)練的收斂性是十分重要的， 本文認(rèn)為可以 通過修改隱含層節(jié)點(diǎn)的個(gè)數(shù)、訓(xùn)練函數(shù)和激發(fā)函數(shù)來完成 BP 網(wǎng)絡(luò)的訓(xùn)練 以使得 BP 神經(jīng)網(wǎng)絡(luò)具有識(shí)別功能。 關(guān)鍵詞： 車牌字符識(shí)別 ， BP 神經(jīng)網(wǎng)絡(luò)，特征值提取 湖南工業(yè)大學(xué)本科畢業(yè)設(shè)計(jì)（論文） II ABSTRACT BP work based license plate character recognition is one pair of license plate character recognition technology, which is produced in order to improve intelligent transportation system, making the transport system more meaningful information age. In this paper, BP neural work and image processing technology, a bination of methods will be applied to the license plate BP neural work character recognition. For the license plate image processing process includes: license plate image denoising, gray plate image, license plate image binarization, license plate character segmentation, license plate character image normalization, license plate character image feature extraction. During the previous five character information in order to ensure better reflected the benefit is worth the feature extraction. Through the formation of BP neural work library for license plate character recognition function after learning will have, and then extract the license plate character image characteristic value fed to BP neural work can be identified. The experimental results show the process by the above license plate characters can be identified, in this process for identifying convergence BP work training is very important that this can modify the number of nodes in the hidden layer, training function and stimulate function to plete BP work training to enable BP neural work has recognition. For the identification of the key part of the feature value extraction, mining only reliable way to ensure the character information extracting unit lost that help identify, extract the paper also proposed several ways. Keywords: LPR， BP neural work， Feature extraction 湖南工業(yè)大學(xué)本科畢業(yè)設(shè)計(jì)（論文） III 目 錄 摘 要 ........................................................ I ABSTRACT...................................................... II 目 錄 ...................................................... III 第 1 章 緒論 ................................................... 1 車牌識(shí)別技術(shù) ........................................................ 1 車牌識(shí)別技術(shù) .................................................... 1 智能交通系統(tǒng) .................................................... 2 國內(nèi)外研究現(xiàn)狀 ...................................................... 4 本文研究?jī)?nèi)容 ........................................................ 4 第 2 章 字符識(shí)別方法 ........................................... 6 車牌圖像預(yù)處理 ...................................................... 6 車牌規(guī)律 ........................................................ 6 ..................................................... 7 車牌圖像的灰度化和二值化 ......................................... 7 字符分割 ............................................................ 9 邊緣檢測(cè) ....................................................... 10 字符切割 ....................................................... 11 字符圖像歸一化 ................................................. 12 字符特征值提取 .................................................. 12 BP 神經(jīng)網(wǎng)絡(luò) ........................................................ 14 BP 網(wǎng)絡(luò) ......................................................... 15 BP 網(wǎng)絡(luò)的模型結(jié)構(gòu) ............................................... 15 BP 網(wǎng)絡(luò)算法 ..................................................... 17 第 3 章 基于 BP 網(wǎng)絡(luò)的字符識(shí)別 .................................. 20 車牌圖像預(yù)處理實(shí)現(xiàn) ................................................. 20 車牌圖像濾波實(shí)現(xiàn) ............................................... 20 灰度化技術(shù)及二值化實(shí)現(xiàn) ......................................... 20 車牌圖像分割實(shí)現(xiàn) ............................................... 23 湖南工業(yè)大學(xué)本科畢業(yè)設(shè)計(jì)（論文） IV 歸一化和字符特征提取實(shí)現(xiàn) ....................................... 25 字符庫與 BP 網(wǎng)絡(luò)的建立 .............................................. 27 BP 網(wǎng)絡(luò)字符識(shí)別 .................................................... 31 第 4 章 結(jié) 論 ................................................. 33 參考文獻(xiàn) ....................................................... I 致 謝 ....................................................... II 湖南工業(yè)大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 1 第 1 章 緒論 車牌識(shí)別技術(shù) 車牌識(shí)別技術(shù) 二十一世紀(jì)是一個(gè)信息化時(shí)代，是經(jīng)濟(jì)和科技飛速發(fā)展的時(shí)期，智能系統(tǒng) 被廣泛應(yīng)用到人們生活當(dāng)中。對(duì)于交通的管制也不能全靠交警來完成，這時(shí)智能交通系統(tǒng)便產(chǎn)生了。 智能交通系統(tǒng)中包括了許多部分，而其中最為關(guān)鍵的部分就是要能對(duì)車輛進(jìn)行識(shí)別。智能交通系統(tǒng)要對(duì)車牌進(jìn)行 識(shí)別就是要 讓計(jì)算機(jī)能自動(dòng)識(shí)別出車輛的車牌，這個(gè)識(shí)別過程有許多方法，其中最簡(jiǎn)單的辦法就是將已有的車牌號(hào)碼存入到計(jì)算機(jī)中，再將抓拍到的車牌號(hào)碼進(jìn)行對(duì)比。在現(xiàn)代神經(jīng)網(wǎng)絡(luò)算法得到廣泛應(yīng)用，這種算法是根據(jù)生物神經(jīng)網(wǎng)絡(luò)而建立起來的模型能較好的實(shí)現(xiàn)人類存儲(chǔ)知識(shí)及處理信息的技能，使得系統(tǒng)可以模擬人類思維。由于在各個(gè)行業(yè)領(lǐng)域 它已經(jīng)得到了生活 應(yīng)用， 所以 BP 網(wǎng)絡(luò)技術(shù)也相對(duì)成熟，而且 BP網(wǎng)絡(luò)的變化形式也多種多樣，采用 BP 網(wǎng)絡(luò)作為車牌字符識(shí)別技術(shù)是一個(gè)相