《协同神经网络识别技术及其在车牌汉字识别中的应用》由会员分享，可在线阅读，更多相关《协同神经网络识别技术及其在车牌汉字识别中的应用（69页珍藏版）》请在金锄头文库上搜索。
1、上海交通大学 硕士学位论文 协同神经网络识别技术及其在车牌汉字识别中的应用 姓名：陈丽 申请学位级别：硕士 专业：计算机软件与理论 指导教师：戚飞虎 20040101 上海交通大学硕士学位论文 I 协同神经网络识别技术 及其在车牌汉字识别中的应用 摘 要 协同学理论是主要研究系统依靠自组织产生空间结构 时间结构或 功能结构上自发形态的跨学科领域 其研究焦点是复杂系统宏观特性 的质变 本文在研究图像目标识别特别是汉字识别的基础上讨论了有 关模式识别协同方法的研究 在结合车牌汉字识别的应用实例中主要 对协同学的学习算法网络优化不变性研究等方面展开的研究主 要包括以下几方面的工作 1 . 学习算法的
2、研究在详细分析了协同基本理论和协同神经 网络的构造原理和运作机制的基础上对协同学习算法进行了全 面的分析对于基于梯度动力学的学习算法提出了改进通过引 入不平衡注意参数降低了伴随向量初始值选取的复杂度同时 还引入最优化理论将该问题归结为求解非线性最优化问题用 共轭梯度法代替梯度下降法 加快了学习过程的收敛实验证明 改进的梯度动力学学习算法大大提高了算法的收敛速度和网络识 别的准确率 2 . 协同网络优化的研究分析了序参量和注意参数的意义及 二者之间的关系并对于不平衡注意参数对势函数吸引域的影响 给出了定性分析提出了基于剩余向量最小化的自适应动态注意 上海交通大学硕士学位论文 II 参数法并给出了
3、几种自适应动态注意参数的构造方法实验证 明该方法对网络的性能提高极其显著具有很好的应用前景 3 . 协同不变性识别的研究根据不变性识别的特点首先引入 协同学基于 F o u r i e r变换和复对数坐标映射的方法处理模式的刚 体运动情形并给出了一些例子针对非刚体变化分析了基于动 力学的不变性识别方法该种方法更接近于人的认识过程随后 给出了一些具体的应用实例并将它应用于车牌字符识别中 4 . 具体应用实例针对汉字的特殊性讨论了它的结构特征 和统计特征并根据这些特征对汉字进行了分类分类结果符合 人类感知特征充分说明了特征提取的有效性随后提出了分级 协同神经网络模型以用于汉字的识别应用实验结果令人
4、满意 最后就协同神经网络与传统神经网络进行了分析讨论充分说明 了协同神经网络在网络构造和识别性能上均优于传统神经网络 且其最大的优点是没有伪状态 关键词协同学协同神经网络模式识别车牌汉字识别图像处 理 上海交通大学硕士学位论文 III Synergetic Neural Network Pattern Recognition Technology and the Application to Recognition of Chinese Characters of Vehicle License Plate ABSTRACT Synergetics is an interdisciplinar
5、y field of research concerned with the spontaneous formation of spatial, temporal or functional structures by self-organization. In this thesis, the basic theories of synergetic approach to pattern recognition, especially the recognition of Chinese characters of vehicles license plate are presented.
6、 Application of synergetic neural network (SNN) has been researched, including study on learning algorithm of synergetic neural network, study on evolutionary SNN and invariant pattern recognition of synergetics. The major works of this thesis including, 1. Study of learning algorithm. Synergetic le
7、arning algorithm has been analyzed roundly on the basement of studying the synergetic basic theory systematically and analyzing construction principle and operation principle of SNN thoroughly. An improved learning algorithm of SNN is proposed after studying the synergetic gradient dynamics processi
8、on. The improved algorithm analyzes the effect of unbalanced attention parameter on study process and then introduces optimization approach by using conjugate gradient algorithm instead of steepest decent algorithm. The experiments show that the new algorithm is proved more effective in convergence
9、property and recognition rate. 2. Study of evolutionary of SNN. The relationship between order 上海交通大学硕士学位论文 IV parameters and attention parameters of synergetic are researched after their basic properties have been studied. We also analyses the attractive domains of potential function under the unba
10、lanced attention parameters. Then a new reconstruction method of attention parameters is proposed which is self-adaptive dynamic attention parameters based on minimized remained vectors. The experiments show the new method can improved the performance of SNN prominently, so they have the good practi
11、cality and bright application prospect. 3. Study of invariant recognition. First, the Fourier transform and complex logarithm are introduced to deal with rigid motion in patterns based on synergetics. Second, the basic mathematic expression of invariance recognition using synergetic approach is syst
12、ematically presented based on character deformation in vehicle license plate due to the specific locations of video capture devices. 4. A specific application to Chinese characters recognition using SNN. The statistical features and structural features of Chinese characters are extracted due to thei
13、r characteristics. The classification using these features to these Chinese characters is proved to match to human perceptivities. A hierarchic synergetic neural network model is proposed to Chinese characters. Experiment results are satisfying and achieved to the real-time application. At last, we
14、discussed and compared the SNN and traditional neural network and proved that the SNN is better than traditional neural in network structure and recognition performance and there is no pseudo status in SNN. KEY WORDS: synergetics, synergetic neural network, pattern recognition, Chinese characters re
15、cognition of vehicle license plate, image processing 上海交通大学硕士学位论文 上海交通大学 学位论文原创性声明 本人郑重声明所呈交的学位论文是本人在导师的指导下独 立进行研究工作所取得的成果 除文中已经注明引用的内容外 本论 文不包含任何其他个人或集体已经发表或撰写过的作品成果 对本文 的研究做出重要贡献的个人和集体 均已在文中以明确方式标明 本 人完全意识到本声明的法律结果由本人承担 学位论文作者签名陈 丽 日期 2004 年 01 月 16 日 上海交通大学硕士学位论文 上海交通大学 学位论文版权使用授权书 本学位论文作者完全了解学校有
16、关保留使用学位论文的规定 同意学校保留并向国家有关部门或机构送交论文的复印件和电子版 允许论文被查阅和借阅 本人授权上海交通大学可以将本学位论文的 全部或部分内容编入有关数据库进行检索 可以采用影印 缩印或扫 描等复制手段保存和汇编本学位论文 保密在 年解密后适用本授权书 本学位论文属于 不保密 请在以上方框内打 学位论文作者签名陈 丽 指导教师签名戚飞虎 日期2 0 0 4 年 0 1 月 1 6 日 日期2 0 0 4 年 0 1 月 1 6 日 上海交通大学硕士学位论文 1 Pre-processingSegmentation Feature Extraction Classification Training 图 1 - 1 图像识别系统结构 Fig 1-1 System structure of image recognition 第一章 绪 论 1.1 引言 人脑究竟是如何实现对外部输入的识别 学习和理解的这是一个长期以来一直困扰人 们的难题这实际上也是模式识别Pattern Recognition 1-3所要研究的内容 模式识别是 六十年代以来
