摘要：车牌识别是智能交通系统的重要部分，对实时自动监控具有重要的意义。用科学的方法识别字符，同时提高识别准确率是改善车牌识别系统的核心问题。由于采集的车牌图像会存在噪音和干扰，现有方法存在识别效率低下的问题。本文基于Matlab平台，联合应用BP（backpropagation）神经网络和模板匹配方法优化车牌字符识别方法，在神经网络收敛的情况下嵌入模板匹配方法精确识别。针对车牌的特点提出一种高效的神经网络字符特征提取方法，从单字符的800个像素特征中仅提取211个特征向量。该方法识别率高（97．2％）、识别时间短（单字符0．02S和全车牌0．39s）、抗干扰和容错性强。在理论创新的基础上设计了LPR2011车牌识别系统，可应用于实际交通管制。

原文链接:http://www.cqvip.com/QK/93884X/201309/48036941.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）