字符识别毕业设计(10)

武汉科技大学本科毕业设计(论文)

第五章 结论和展望

本论文介绍了一种字符识别算法，充分利用了字符编码自身的特点，完成了对车牌字符的识别任务。

论文中针对字符识别的需要，提出了字符特征提取算法和BP神经网络算法，实践证明，在较好的环境下，字母、数字的识别率达到98%，汉字的识别率达到例如90%，总体识别率达到了94%。即使在较差的环境条件下，识别率也在90%以上。本系统即可以单独使用，也可以把它作为一个识别系统的软件核心应用到车牌识别系统中去。

本系统对训练样本的依赖性很大，对于倾斜字符或者不同字体的字符来说识别率就不是很高了，而且训练样本必须是“0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZ”的循环，这使得系统的适应性变得很差。如果能克服这些问题，将大大提高此程序的适应能力。

第42页

武汉科技大学本科毕业设计(论文)

致 谢

本论文的顺利完成，首先要感谢我的导师李顺新老师，感谢他对我的毕业设计的精心安排与全面细心的指导，感谢他对我的毕业论文的耐心的审查，李老师严谨的治学态度和工作作风，为我的毕业设计营造了很好的研究气氛，对我产生了深远的影响。

感谢学院为我们毕业设计提供了硬件设施和软件设施，为我们顺利完成毕业设计打下的基础。

感谢与我同组的成员在程序设计过程中对我的帮助。

最后，感谢在我做毕业设计和写论文过程中给我提供过帮助的人。

第43页

武汉科技大学本科毕业设计(论文)

参考文献

[1] 车牌识别技术.《数字图像模式识别技术及工程实践》.人民邮电出版社； [2] 周波. 《汽车牌照识别的初步研究》.成都理工大学学位论文.2002.6； [3] 赵雪春等.《基于彩色分割的车牌自动识别技术》. 上海交通大学学报.1998.10第32卷第10期；

[4] 刘海林等.《ROI技术在车牌识别系统中图像存储方面的应用研究》. 物探化探计算技术.2002.11；

[5] 柴治,陶青川,余艳梅,何小海. 《一种快速实用的车牌字符识别方法》.四川大学学报(自然科学版) 2002年6月第39卷第3期:

[6] YangJie LiXu GuoWei. 《A Recognition of Vehicle plate with Mathematical Morphology and Neural Networks》.Journal of Wu Han University of Technology；

[7] 是湘全,何苑凌,蔡孟波. 《遗传算法在车牌定位中的应用》. 公路交通科技.2002.4；

[8] 韩桢祥,文福栓 .《模拟进化优化方法及其应用》. 计算机科学,1995； [9] 郭捷 施鹏飞.《基于颜色和纹理分析的车牌定位方法》. 中国图像图形学报.2002.5；

[10] 叶晨洲,杨 杰,宣国荣.《车辆牌照字符识别》.上海交通大学学报.2000.5第34卷第5期；

[11] 陈黎黄心汉王敏李炜.《基于聚类分析的车牌字符分割方法》. 计算机工程与应用.2002.6；

[12] 魏武，张起森，王明俊.《一种基于模板匹配的车牌识别方法》.中国公路学报.2001.1第14卷第一期；

[13] 刘效静等.《汽车牌照自动识别技术研究》.南京航空航天大学学报，1998；

[14] 曹迪铭，宣国荣.《神经网络在车辆牌照字符识别中的应用》. 微型电脑应用.2000年第16卷第6期；

[15] 徐建闽，贺敬凯.《车型与车牌自动识别技术分析》.交通与计算机.

第44页

武汉科技大学本科毕业设计(论文)

2002年第2期 第20卷；

[16] 黎明,杨小芹,刘高航.《基于多个前向神经网络和遗传算法的边界检测法》.南昌航空工业学院学报,2000(4)；

[17] 黎明,严超华.《基于前向神经网络和Hopfield反馈神经网络的边界检测法》.中国图像图形学报,1999(8)；

[18] 张大鹏.《模式识别与图像处理并行计算机系统设计》.哈尔滨工业大学出版社,1998；

[19] 边肇祺等.《模式识别》.北京:清华大学出版社,1988； [20] 黄凤岗,宋克欧等.《模式识别》.哈尔滨工程大学出版社,1998； [21] 张汉江,曹焱,黄升华,李孟军.《模糊ART神经网络在运动目标识别中的应用》.模糊系统与数学,1998(4)；

[22] 佘玉梅,熊汉.《模糊模式识别方法研究》.云南民族学院学报(自然科学版),1998(1)；

[23] 朱风云，曹晓光.《机动车车牌自动识别系统与VMLA定位算法》. 中国图象图形学报；

[24] 张引，潘云鹤.《彩色汽车图象牌定位新方法》.中国图象图形学报； [25] 《Visual C++数字图象模式识别技术及过程实践》.人民邮电出版社； [26] 《Visual C++数字图象实用工程案例》.人民邮电出版社； [27] 《Visual C++数字图象实用工程案例》.人民邮电出版社；

[28] 《Visual C++/Matlab 图像处理与识别实用案例精选》.人民邮电出版社；

[29] 《Visual C++数字图象实用工程案例》.人民邮电出版社；

[30] Martin T.hagan (美)Howard B.Demuth Mark Beale. 《Neural Metwork Design》.机械工业出版社；

[31] Martin T.hagan (美)Howard B.Demuth Mark Beale. 《神经网络设计》 机械工业出版社；

第45页

武汉科技大学本科毕业设计(论文)

外文原文与译文

? 外文原文

Neural Network Introduction

1.Objectives

As you read these words you are using a complex biological neural network. You have a highly interconnected set of some 1011 neurons to facilitate your reading, breathing, motion and thinking. Each of your biological neurons，a rich assembly of tissue and chemistry, has the complexity, if not the speed, of a microprocessor. Some of your neural structure was with you at birth. Other parts have been established by experience.

Scientists have only just begun to understand how biological neural networks operate. It is generally understood that all biological neural functions, including memory, are stored in the neurons and in the connections between them. Learning is viewed as the establishment of new connections between neurons or the modification of existing connections. This leads to the following question: Although we have only a rudimentary understanding of biological neural networks, is it possible to construct a small set of simple artificial “neurons” and perhaps train them to serve a useful function? The answer is “yes.”This book, then, is about artificial neural networks.

The neurons that we consider here are not biological. They are extremely simple abstractions of biological neurons, realized as elements in a program or perhaps as circuits made of silicon. Networks of these artificial neurons do not have a fraction of the power of the human brain, but they can be trained to perform useful functions. This book is about such neurons, the networks that contain them and their training.

第46页