论文部分内容阅读
车牌识别是智能交通体系的核心,具有很大的研究价值。为解决传统的车牌定位不精确的问题,并且考虑到检测结果容易受到环境的影响从而导致采集车牌图像可能会产生噪音和干扰,本文以Radon图像矫正为基础并应用BP神经网络进行车牌识别可以有效地去除大部分噪声。仿真的结果显示,本文的算法具有良好的识别精度,可以在复杂的环境中,如有污染、污浊的天气和黑夜的模式,以及在车牌受污的情况下进行精准识别。