基于字符连通域特征的车牌汉字字符识别技术

基于神经网络的字符识别，通过训练后，可以识别0-9的字符，也可自定义字符，也可以通过增加样识别更多的字符或是中文。

在分析特征提取方法的基础上,提出了一种模拟人类智能的两级分类识别算法。第一级采用描绘字符整体信息的统计特征,利用SVM分类器进行识别;第二级采用描绘字符细节信息的结构特征,依据决策表区分形近字符,使车

车牌定位及字符识别的MATLAB程序

此时在VisualC++上编写的车牌定位程序和字符识别程序，有助于学习图像处理。

车牌字符识别之Opencv神经网络应用

将D-S证据理论引入车牌字符识别,结合神经网络容错能力强、能够自适应学习等优点,对待识别字符进行统计和结构等多方面的特征提取后,分别经过神经网络分类器得到相应的结果,并应用D-S证据理论对各种结果进行

提出了一种改进的模板匹配方法.该方法是在传统的模板匹配方法的基础上,通过对字符特征区域的扩大和加强注意设计了一种改进的模板,以达到更有效的匹配结果.将该方法应用于沪宁高速公路收费口处实拍的车牌图像库中

Research on License Plate Character Recognition Based on BP Neural Network

摘要:在车牌字符识别的实际应用中,只采用改进的BP神经网络算法不能彻底改变其固有的算法缺陷。因此,重 点阐述采用聚类分析与神经网络的方法分别对车牌中汉字和英文字母及阿拉伯数字进行识别,以加快车牌的识别

神经网络在车牌字符识别中的应用