目的：基于粗糙集的车牌字符识别技术的研究。方法：通过粗糙集的理论知识的利用以获取约简能力，同时通过神经元网络的学习及泛化能力，并将粗糙集、神经元网络和模糊逻辑技术进行相互结合，进而构造出一个可以处理含糊和不确定性车牌字符的识别系统。结果：80幅车牌图像中共计560个字符，其中汉字12个、字母14个、数字7个均被误识，另有2幅车牌定位和分割的不成功，使14位的字符识别失败，因此，本组车牌字符识别成功率为91.6%（513/560）。结论：此项车牌字符识别技术既简化识别系统的整体结构，又提高了模糊识别的泛化能力，可有效减少工作量并提高抗干扰性及车牌的准确识别率。
NETL
NSTL
万方数据
