摘 要：近年来，以改进型BP网络为代表的神经网络在模式识别、模式分类和模糊控制等领域得到广泛应用，它具有具有良好的自学习能力、强大的分类能力、容错能力或鲁棒性。本文将神经网络引入到车牌字符识别中来，先论述了基于神经网络图像识别系统的理论；再结合车牌字符识别的特征提取法进行BP神经网络分类器的设计。
关键词：车牌字符；BP人工神经网络；图像识别；模式识别
引言
近年来，神经网络的智能化特征与能力使其应用领域日益扩大，潜力日趋明显。许多用传统信息处理方法无法解决的问题采用神经网络后取得了良好的效果。其中，神经网络在车牌字符识别中的应用效果尤为明显。目前，车牌字符识别主要采用两种方法，即模式匹配法和神经网络法。由于神经网络模式识别方法能够实现基于计算理论层次上的模式识别理论所无法完成的模式信息处理工作，这种方法是选用适当的字符图像特征提取方法，然后使用训练样本训练网络并构建一个识别网络作为分类器。所以，相信未来一段时期内神经网络在车牌字符识别领域中的应用还会是趋于主导地位。
1 人工神经网络简介
人工神经网络来提取特征向量，把字符平均分成8份，统计每一份内黑色像素点的个数作为8个特征, 即分别统计这8个区域中的黑色像素点的数目，可以得到8个特征。然后统计水平方向中间两列和竖直方向中间两列的黑色像素点的个数作为4个特征，最后统计所有黑色像素点的个数作为第13个特征。如下图所示:
图3 13特征提取法
4.2 BP网络分类器设计。
根据车牌字符的特点: 车牌第一个字符为汉字，第
二个字符为英文字母，第三、四个字符为英文字母或数字，第五到第七个字符均为数字。本文构造了4个含一个隐含层的三层BP神经网络，分别用来识别汉字、英文字母、英文字母或数字以及数字。用于识别汉字的BP神经网络，它有13节点输入（即13特征提取法），6个输出节点。用于识别英文字母的BP神经网络，它有13个节点输入，10个节点输出（由于实际情况的限制，拍摄到的汉字和英文字母样本较少）。用于识别英文字母或数字的BP神经网络，它有13个输入节点，20个输出节点（其中英文字母10个，数字10个，共20个）。用于识别数字的BP神经网络，它有13个输入节点输出节点10个 Kai Huang,Hong Yan.Off-Line Signature Verification Based on Geometric Feature Extraction and Neural Network Classification.Pattern Recognition,1997,30(1):9~17.
