开题报告(康敏娟0507050201).docVIP

西安科技大学 毕业设计(论文) 开题报告 题 目 基于神经网络的车牌字符识别方法研究及仿真实现 院、系(部) 通信与电子信息工程学院 专业及班级 电子信息工程专业 姓 名 康敏娟 学 号 0507050201 指 导 教 师 李远征 日 期 2009年3月2日 西安科技大学毕业设计(论文)开题报告 题 目 基于神经网络的车牌字符识别方法研究及仿真实现 选题类型 C：设计型 一 选题依据 随着我国社会经济、公路运输的高速发展，以及汽车拥有量的急剧增加，采用先进高效、准确的智能交通管理系统迫在眉睫，车辆监控和管理的自动化、智能化在交通系统中具有十分重要的意义。车辆自动识别系统能广泛应用在公路和桥梁收费站、城市交通监控系统、港口、机场、停车厂及其它车牌认证的实际交通系统中，而这些属于交通自动控制与管理系统范畴的活动多与汽车的“身份证”——车牌有关。 目前我国的车牌识别主要靠人工来完成，工作环境差、劳动强度大、劳动烦琐、工作效率低，很难适应现代化车辆管理的高效、舒适等要求。21世纪计算机信息技术的发展日新月异，应用领域日益广泛，人们自然想到利用计算机技术进行车辆牌照的自动识别。 通过图象处理的方法对汽车牌照进行识别是目前最易实现，最易推广普及的一种方法。一个牌照单独对应着一辆汽车，汽车的各种信息都可以通过对牌照的检索得到。如果能够自动将车辆牌照中的字符提取出来，并进一步对其进行自动识别，无疑可以加快交通管理信息化的进程。 车牌识别过程包括预处理、车牌定位、字符分割和字符识别。车牌字符识别是车牌自动识别系统中的一个关键问题，识别速度决定了一个车牌识别系统是否能满足实际应用的要求。神经网络是由大量的、简单的处理单元（称为神经元）广泛地互相连接而形成的复杂网络系统，它反映了人脑功能的许多基本特征，具有大规模并行、分布式存储和处理、自组织、自适应和自学习能力，特别适合处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题。此外神经网络系统的运算能力很强，可以快速完成许多学习任务，因此可以实现对车牌字符的有效处理和识别。 本次毕业设计主要研究基于BP神经网络的车牌字符识别方法。BP网络是采用误差反向传播算法对网络权值进行训练的多层前向网络，与单层前向网络相比，在达到同样的误差目标情况下，BP网络更容易完成学习目标,能够逼近任意非线性系统[1] 尚忠信. 基于神经网络的车牌字符识别算法研究[J]. 电子质量, 2007,(06) . [2] 闫雪梅,王晓华,夏兴高. 基于PCA和BP神经网络算法的车牌字符识别[J]. 激光与红外, 2007,(05) . [3] 贾少锐,李丽宏,安庆宾. BP神经网络算法在字符识别中的应用[J]. 科技情报开发与经济, 2007,(02) . [4] 张斌,赵玮烨,李积宪. 基于BP神经网络的手写字符识别系统[J]. 兰州交通大学学报, 2007,(01) . [5] 王智文. 基于改进BP神经网络的车牌字符识别研究[J]. 广西工学院学报, 2006,(03) . [6] 曹裕,王军玲. 基于神经网络与粗糙集的车牌字符识别方法[J]. 科技信息(学术研究), 2007,(18) . [7] 陈振学,汪国有,刘成云. 一种新的车牌图像字符分割与识别算法[J]. 微电子学与计算机, 2007,(02) . [8] 朱正礼. 基于三层BP神经网络的字符识别系统的实现[J]. 现代计算机, 2006,(10) . [9] 刘静,周静华,苏俊连,付佳. 基于模板匹配的车牌字符识别算法实现[J]. 科技信息(科学教研), 2007,(24) . [10] 苏厚胜. 车牌识别系统的设计与实现[J]. 可编程控制器与工厂自动化, 2006,(03) .[11] 胡振稳, 尹朝庆. 基于BP神经网络的车牌字符识别的研究[J]. 电脑知识与技术(学术交流), 2007,(02)[12] 蒋良孝 , 李超群. 基于BP神经网络的函数逼近方法及其MATLAB实现[J]. 微型机与应用, 2004,(01) H. S. Kim et al, Recognition of a car number plate by a neural network, Proc. of Korea Information Science Society(KISS) fill conference，Vol. 18, NO. 2, pp. 259-262，1991. [18] Jang-Hee You，Byung-Tae Chun and Dong-Pil Shin，“A Neural for Recognizing Characters Extra