一种基于全局阈值二值化方法的BP神经网络车牌字符识别系统

doi:10.3969/j.issn.1007130X.2010.

J4 ›› 2010, Vol. 32 ›› Issue (2): 88-89.doi: 10.3969/j.issn.1007130X.2010.

一种基于全局阈值二值化方法的BP神经网络车牌字符识别系统

（山东建筑大学信息与电气工程学院，山东济南 250101）

收稿日期:2008-09-19 修回日期:2008-12-13 出版日期:2010-01-25 发布日期:2010-01-26
通讯作者: 张坤艳 E-mail:zhangkunyan@sdjzu.edu.cn
作者简介:张坤艳(1977)，女，山东临沂人，讲师，研究方向为智能算法。

A PlateCharacter Identification System Based on GlobalValve Binarization and the BP Neural Network

（School of Information and Electrical Engineering,Shandong Jianzhu University,Jinan 250101;）

Received:2008-09-19 Revised:2008-12-13 Online:2010-01-25 Published:2010-01-26

摘要/Abstract

摘要：

本文针对车牌字符识别系统在工程应用中存在识别准确率不高、效率低的问题，从工程实践的角度描述了一种新的基于BP神经网络的识别系统在车牌字符识别中的应用。详细介绍了车牌字符识别中的样本集和测试集的组织、图像二值化、归一化、图像去噪、神经网络构建和训练。实践结果表明,本系统适用于自然场景中的车牌自动识别问题，并且具有较强的适应性。

关键词: 车牌字符识别, BP网络, 图像二值化, 全局阈值, 去噪

Abstract:

In view of the shortcomings of the automobile license plate identification systems, such as the low identification accuracy and efficiency under practical conditions, a new identification system based on the BP network is designed. In terms of engineering application,the character identification of automobile license plates is addressed in detail, including building the training sets of samples, image binarization, normalization, removal of noise,and neural network construction. The experimental results show that the system has good performance even when the images have low quality and the license plates are located in a complicated natural scene.

Key words: automobile license plate character identification;BP neural network;image binarization;global valve;removal of noise

中图分类号:

TP274+.5

张坤艳, 钟宜亚, 苗松池, 王桂娟. 一种基于全局阈值二值化方法的BP神经网络车牌字符识别系统[J]. J4, 2010, 32(2): 88-89.

ZHANG Kun-Yan, ZHONG Yi-E, MIAO Song-Che, WANG Gui-Juan. A PlateCharacter Identification System Based on GlobalValve Binarization and the BP Neural Network[J]. J4, 2010, 32(2): 88-89.

[1]	仲臣, 余学祥, 邰晓曼, 韩雨辰, 肖星星, 刘清华, . 萤火虫算法优化支持向量机室内定位研究[J]. 计算机工程与科学, 2022, 44(11): 1968-1975.
[2]	张露文, 薛晓军, 李恒, 王海瑞, 张国银, 赵磊. 基于改进NLM的PCB图像去噪算法[J]. 计算机工程与科学, 2021, 43(09): 1608-1615.
[3]	张培玲, 李小真, 崔帅华. 基于改进小波阈值-CEEMDAN算法的ECG信号去噪研究[J]. 计算机工程与科学, 2020, 42(11): 2067-2072.
[4]	林涛，赵成林，刘航鹏，赵参参. 基于改进栈式自编码器的风电机组发电机健康评估[J]. 计算机工程与科学, 2020, 42(03): 517-522.
[5]	谢国民，张婷婷，刘明，屠乃威，刘志邦. 基于SDAE特征表示的协同主题回归推荐模型[J]. 计算机工程与科学, 2019, 41(05): 924-932.
[6]	马永军，李亚军，汪睿，陈海山. 基于Wasserstein GAN的文档表示模型[J]. 计算机工程与科学, 2019, 41(01): 161-165.
[7]	陆海青1,2，葛洪伟1,2. 混合鲁棒权重和改进方法噪声的两级非局部均值去噪[J]. 计算机工程与科学, 2018, 40(07): 1227-1236.
[8]	杨培1，高雷阜1，王江1，訾玲玲2. 基于稀疏表示与字典学习的彩色图像去噪算法[J]. 计算机工程与科学, 2018, 40(05): 842-848.
[9]	冀中，赵硕，王建，刘立. 基于噪声检测的总变分去噪算法[J]. 计算机工程与科学, 2018, 40(03): 507-514.
[10]	王晓燕1,2，池天河1. 结合变异粒子群和字典学习的遥感影像去噪[J]. 计算机工程与科学, 2017, 39(09): 1675-1681.
[11]	王小玉，郭晓中. 基于非局部总广义变分的图像去噪[J]. 计算机工程与科学, 2017, 39(08): 1520-1524.
[12]	许光宇，蒋社想. 椒盐噪声图像的非局部平均滤波算法[J]. 计算机工程与科学, 2017, 39(06): 1133-1140.
[13]	马子骥，郭帅锋，刘宏立，李艳福，倪忠. 基于EEMD和模糊阈值的去噪方法[J]. 计算机工程与科学, 2017, 39(04): 763-768.
[14]	谢斌，乐鸿浩，陈博. 一种基于小波去噪的DFT信道估计改进算法[J]. 计算机工程与科学, 2016, 38(09): 1790-1796.
[15]	郑传远，李良福，肖樟树，陆铖. 一种改进的各向异性扩散深度图像增强算法[J]. 计算机工程与科学, 2016, 38(09): 1823-1829.

一种基于全局阈值二值化方法的BP神经网络车牌字符识别系统

A PlateCharacter Identification System Based on GlobalValve Binarization and the BP Neural Network

PDF

可视化

摘要/Abstract

引用本文

使用本文

相关文章 15

编辑推荐

Metrics

本文评价