设计*采集到实际的车辆图像84 套， 其中因无法准确定位或字符分割的图像共12 套， 在剩余的72 套图像中，用其中的50 套作为神经网络的训练样本，其余22 套作为测试样本，对车牌识别，经实验统计，其结果如表1 所示。
由以上统计结果可明确的看出，应用数据融合技术系统的识别率较单一识别方法有了较大的提高， 达到了90.9%。
4 结束语
基于数据融合理论， 将不同的识别方法有效地结合起来构成融合型车牌字符识别系统， 数据层应用了加权平均算法， 特征层选用了BP 神经网络， 决策层采用了模糊推理算法。实验证明， 该系统能有效的实现车牌字符识别， 字符识别率达到了90%以上， 较采用单一识别方法有了较大的提高。通过融合使信息资源得到了充分利用，各种方法互补，系统性能得到了很大提高。对于特征层融合应用的BP 神经网络算法， 直接使用了前人的研究成果，可对网络的参数设置及收敛速度进一步的研究，加以改善提高。
本文关键字：技术 计算机应用，电子知识资料 - 计算机应用
上一篇：基于DSP的视频编解码系统设计
