文献类型：期刊文章

作　　者：吴志攀[1] 赵跃龙[2] 罗中良[3] 杜华英[4]

WU Zhipan ZHAO Yuelong LUO Zhongliang DU Huaying(School of Information Science and Technology, Huizhou University, Huizhou 516007, China School of Computer Science and Engineering, South China University of Technology, Guangzhou 510640, China School of Electronic Information and Electrical Engineering, Huizhou University, Huizhou 516007, China Department of Information Technology, City College of Huizhou, Huizhou 516025, China)

机构地区：[1]惠州学院信息科学技术学院,广东惠州516007 [2]华南理工大学计算机科学与工程学院,广东广州510640 [3]惠州学院电子信息与电气工程学院,广东惠州516007 [4]惠州城市职业学院信息技术系,广东惠州516025

出　　处：《中山大学学报（自然科学版）》

基　　金：国家自然科学基金(61572200);广东省高等学校教学质量与改革工程本科类项目([2013]113号-113);惠州市科技计划项目(2014-01);惠州城市职业学院课题(HZC2015-5-1-3)

年　　份：2017

卷　　号：56

期　　号：1

起止页码：46-52

语　　种：中文

收录情况：BDHX、BDHX2014、CAB、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、IC、JST、MR、PROQUEST、RCCSE、RSC、SCOPUS、WOS、ZGKJHX、ZMATH、ZR、核心刊

摘　　要：针对传统BP神经网络在车牌识别的应用领域中,存在经常性陷入局部最优,而导致识别效果不理想事实。提出一种基于PSO-BP神经网络的车牌号码识别技术方法,该方法首先构建一个8-25-1的BP神经网络,再通过提取车牌的8像素比特征值作为BP神经网络的输入向量,然后采用粒子群算法(PSO)对该BP神经网络的权值和阈值进行优化,使其适应值达到最小。通过300副不同光照环境和污损的车牌识别仿真实验,验证了所提出的算法相对于传统的模板匹配算法和BP算法,具有输出误差小、全局收敛速度快和识别率高的特征,具有一定的应用价值。

关 键 词：BP神经网络 粒子群算法(PSO)  PSO—BP神经网络  车牌识别

分 类 号：TP751.1]