文档介绍：技术
已经有了很多字符识别;勺方法,本章主要是基于神经网络算法
对车牌字符的识别。
潮圜圈图圜圜窟团基于神经网络的车牌字符识别算法则是目前比较流行的算
法。首先进行分类器的设计,由于标准车牌共有位字符,分别
图归一化后整齐的车牌字符图像是汉字、字母和数字,因此在车牌字符识别系统中,分别设计
个神经网络一汉字网络、字母网络以及数字网络来实现对字符的
车牌的特征提取
分类,如图所示。
在对车牌字符进行识别之前,最重要的一步就是对字符的特
征提取,既要充分体现字符的基本特征,又要尽量减少特征向量
的维数,降低运算量。字符特征提取的目的是从众多的特征中找
出最重要的特征,把高维特征空间压缩到低维特征空间,从而构
造更可靠的分类规则。
本论文采用了—算法对字符进行特征的提取。—算法是
图字符分类器的流程图
一种相对容易实现和理解的分析手段,它的目的是将字符的高
神经网络的结构包括:输入层输出层神经元的个数、隐
信息量转变为低信息量,从而实现了把字符从高维转换为低维
合层的个数以及每个隐合层所包含神经元的个数,下面分别进
的目的。
行讨论。
—算法的基本步骤如下:
一输入层神经元的个数
、准备大小为的训练样本集, :Ⅺ,其中为
输入层神经元个数只能根据提取的字符特征数来确定。本论
Ⅳ×向量表示的Ⅳ×Ⅳ大小的灰度图像样本。
文中输入神经元的个数为个。
、计算字符训练样本集的平均值,并用每个样本减
二、输出层神经元的个数
去平均值,这样就得到了新的向量:
输出神经元个数可以由下面的公式确定:

—其中, 为输出神经元的个数,胛为取整函数,以为
、依据下面公式计算得到协变矩阵: 待识别字符的个数。
古蓦三、隐含层的个数
目前,一个网络中隐合层数目的多少没有统一规定,但实
、根据的公式一定可以找到的Ⅳ一个特征向量以及它践证明,具有单隐层的三层神经网络能够训练出任何复杂的函
对应的特征值。数。虽然隐合层数越多,网络越容易学习,训练速度越夹,但它
、根据得到的特征值从大到小将