基于卷积神经网络的车牌照字符识别研究310 第十二届全国图象图形学学术会议 以充分利用人的经验来获取模式特征以及神经网 来正确识别所有样本;Uc4层是网络的输出层即识 终分类能力来识别字符,特征提取必须能反应整 个字符的特征,才能达到较高的识别率;后者则 别层,显示网络最终的模式识别结果。 省去特征抽取,将整个字符直接作为神经网络的 差异提取层Uc的输出姐式(1)所示 输入。这种方式虽然在一定程度上增加了神经网 络结构的复杂度,但是网络的抗干扰性能和识别 n(n,)=max{(-)∑a()l(n

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，使车牌中形近字符的识别率得到提高。算法对提取的统计特征值进行了优化调整，使其有效地克服了字符偏移的影响，并引入可信度评判机制，使SVM分类器的性能得以提高。