针对图像处理技术在车牌号识别领域中的运用,结合目前常用识别方法(模板匹配法、神经网络法和支持向量机识别法)和主要特征提取方式(统计特征提取和结构特征提取)各自的优点,设计出一种多层分支结构的车牌号识别系统,该系统根据不同待识别字符的特征进行分类,然后匹配上对该类特征识别较有优势的特征提取方法和字符识别算法,并提出一种对折识别算法运用其中,通过对字符的分层识别和分支识别,从而达到精确、高效识别的目的,最后通过试验测试和统计分析,证明了该方法在车牌号识别中的优越性。 期(总第489期)29同时，让系统具有更加简洁、高效的工作效率。1车牌号识别方法在车牌号识别过程中主要运用到图像处理技术，该过程主要包括图像的采集、车牌的定位、字符的分割［2］和字符的识别［3］。经过前期图像处理分割出的字符如图1所示，字符识别环节是车牌信息获取的关键，也是本领域研究的热点， 本文由公司网站滚圆机网站 转摘采集转载中国知网整理!   http://www.dapengkuoguanji.com/ 领域中的算法改进-电动折弯机数控滚圆机滚弧机张家港电动滚圆机滚弧机目前主流的车牌号识别方法有模板匹配法、神经网络法和支持向量机法。图1分割处理后的车牌字符1．1基于模板匹配的识别方法模板匹配法的识别过程为:首先建立模板库，然后对待识别字符进行特征提取，通过待识别字符的特征向量与模板库中字符的特征向量进行比对，相似度最高的模板所对应的字符即为待识别字符的识别结果，该方法的优点是原理简单、算法简洁、识别速度快，但该算法对字符的变形容错能力较差。1．2基于人工神经网络的识别方法人工神经网络由输入层、中间层和输出层组成，其结构如图2所示，理论上通过3层神经网络即可无限拟合任意非线性函数，人工神经网络识别方法的优点为对字符的噪声及变形不敏感，容错能力较强，其不足为该识别方法对相似字符的细节结构难以区分。另外，因其神经元较多、运算量较大，实时性较差。图2人工神经网络结构图1．3基于支持向量机的识别方法支持向量机(SVM)是一种基于统计学的机器学习算法，其原理为将输入的样本向量通过核函数映射到一个高维空间，然后求出由多个支持向量构成的最优分类超平面，使得超平面间的分类间距尽量大，这样就使得分类错误的风险尽量小，简而言之，即高维空间的线性规划问题。因该算法具有较好的过度拟合训练样本功能。因此，SVM对于即使未见过的测试样本也具有较好的分类功能。2改进领域中的算法改进-电动折弯机数控滚圆机滚弧机张家港电动滚圆机滚弧机 本文由公司网站滚圆机网站 转摘采集转载中国知网整理!   http://www.dapengkuoguanji.com/