基于灰度图像的牌照字符识别

1、浙江大学博士论文基于灰度图像的 牌照字符识别摘要汽 车牌照自 动识 别系 统是 用于 交 通管 理的 监 控系统， 是实 现车 辆 牌照图 像 数字化的一种方法。其技术的关键 就是 要提高牌照字 符的 识别率。本文针对传 统的牌照自 动识别算法中所存在的一个共性问题，即对字符图像的特征提取必 须是在二值化图像上进行的缺点，结合牌照自 动识别系统所要求的高字符识别 率和一定的实时处理能力的特点，提出将基于二值化字符图像特征的识别算法 和基于灰度图像特征的识别算法相结合的识别策略。论文的重点是探讨在灰度 图像上实现牌照字符识别的具体方法。 的第二章、第三章是第四章和第五章基于灰度图像进行模式识别技 。 在第二章中全面分析了 一种基于线性变换的特征提取方法一主 分量分析( P r i n c i p a l c o m p o n e n t a n a l y s i s - P C A ) 和奇异值分解 ( S in g u l a r v a l u e d e c o m p o s it io n - S V D ) 的 结 构 特点 以 及 相 关 算 法， 并 对 这 两 种

2、算 法的 关 系 作了 分 析。 在第三章中比 较深入地分析了 径向 基函数 ( R a d i a l - b a s i s f u n c t io n - R B F ) 神经 网 络的 各种结构 及相应的 训练方法， 详细地讨论了R B F神经网中隐 层神经元的 作用， 提出可 采用 C o v e r 定理作为其隐层神经元总数选择的 一个标准， 最后还 对R B F 神经网和ML P 神经网的差异性作了比较分析。第四章和第五章分别讨论了 在牌照字符灰度图像上实现数字和汉字识别的 具体识别方法。针对一些牌照字符图 像存在对比 度和信噪比比 较低等缺点，提 出 采用梯度算子来提取字符的 梯度方向以 形成字符的 轮廓方向 特征， 在此基础 上形成各种训练样本特征，并采用广义 R B F ( G e n e r a l i z e d r a d i a l - b a s i s f u n c t i o n - G R B F ) 神经网 来构 造模式分类 器以 实 现牌照数字 字 符的 识 别。 实 验结果表明 : 采用结构比 例特征和比 例特征 其识别率分别达到9 9 .

3、 2 % 和9 9 . 4 % ， 具有较高的实 用价值。中国 牌照存在着汉字字符的 识别问 题。 本论文根据汉字相对字形小、 笔划复杂且所需识别字符不多等特点，提出在灰度图像上采用学习子空间 ( L e a rn in g s u b s p a c e m e t h o d - L S M ) 算 法 ， 直 接 实 现 汉 字 字 符的 识 别。 学 习 子 空 间 算法有效地避免了 子空间算法中一旦子空间构造完成后， 就不能 根据训练结 果 进行 修正的 缺点。 而且， 采用L S M算法 可以 使 字符 在相 对低维子空间中 仍能 达到好的效果，有利于加快识别速度。实验结果表明:汉字字符识别率达到 9 5 . 7 % ，同时针对采用该算法时 所遇到的 大训练样本等实际问 题， 提出了 解决方 案。论文最后以 我们实际应用的收费站牌照自 动识别系统为蓝本，对其它研究 内容如牌照的定位和切分算法等作了必要的分析。部分研究成果已 经成功地移 植到该自 动识别系统中，并且已通过了科委组织的专家鉴定，认为系统 的整体性能指标己达到领先的水平 关链词:汽车牌照自 动识别 广义径向 基神

4、经网 络， 学习子空、 Z牌 照 汉 字 字 赢1， 二 阶 段 ih:N ilH h,C策 略 。浙江大学博士论文基于灰度图像的 牌照字符识别A b s t r a c tV e h i c l e s u r v e i l l a n c e t e c h n i c a l i t yl i c e n s e p l a t e re c o g n it i o n ( V L P 田 s y s t e m h a s a n d re a l iz e s d ig i t iz a t i o n o f th e v e h ic le li c e n s eb e e n a p p li e d t o p l a t e i m a g e几t r a f fi c ek e ya l g o r it h m s o f t h e li c e n s e p la t e re c o g n it i o n ,m a g e s . A c o m m o n p r o b l e m t h a t i s , t h e c h a r a

5、 c t e r f e a t u r eis t o im p r o v e t h e r e c o g n i t i o n r a t e o f c h a r a c t e re x i s t s i n mo s te x t r a c t i o n mu s tp r e s e n t s a n e wb e b a s e d o n t h e b i n a ry i m a g e . A n al y z in g t h ed e f e c t s , t h e d i s s e r t a t i o n re c o g n i t io n m e t h o d to a c h i e v e t h e h i g h c h a r a c t e r r e c o g n i t io n r a t e a n d p o s s e s s t h e r e al - t i m ep ro c e s s in g a b i l it y . T h i s re c o g n it io n c o

6、m b i n e s b i n a ry im a g e r e c o g n it io n m e t h o d w it h g r a y - s c al e im a g e re c o g n it io n m e t h o d . A n d t h e e m p h a s is o f t h e d i s s e r ta t io n i s t o d i s c u s s t h e re a l iz a t i o n o f re c o g n it i o n al g o r i th m o n t h e g r a y - s c al ei m a g e .In t h i s d i s s e r t a t io n , C h a p t e r T w o a n d C h a p t e r T h re ea re t h e t h e o r e m b a s i s f o r C h a p t e r F o u r a n d C h a p t e r F iv e t h a t

7、d i s c u s s t h e r e c o g n i t io n b a s e d o n g r a y - s c al e i m a g e s . I n C h a p t e r T w o , P r i n c i p al c o m p o n e n t a n a ly s i s ( P C A ) a n d S i n g u la r v al u e d e c o m p o s it i o n ( S V D ) , t h e t w o f e a t u re e x t r a c t i o n m e th o d s b a s e d o n l i n e a r t r a n s f o r m a t io n a re d i s c u s s e d in d e t a il s , i n c lu d in g t h e i r s tr u c t u re s a n d c h a r a c t e r i s t ic s . A n d t h e ir re l a t i

8、o n s a re al s o c o m m e n t e d . I n C h a p t e r T h re e , v a r i o u s s t r u c t u re s a n d t r a in in g m e t h o d s o f r a d ial - b a s i s fu n c t io n n e u r al n e t w o r k ( R B F N ) a re fu ll y a n a l y z e d , a s w e l l a s t h e fu n c t io n a l it y o f h i d d e n l a y e r i n R B F N . W e p r e s e n t t h e C o v e r t h e o re m lis c h o i c e s t a n d a r d t o h id d e n l a y e r n e u r o n s . I n t h e l a s t p a rt o f t h i s c h a p t e r ,

9、t h e d i ff e r e n c e s b e t w e e n R B F N a n d m u lt i- la y e r p e r c e p t io n i s al s o p re s e n t e d .C h a p t e r F o u r a n d F iv e r e s p e c t iv e l y d e a l w it h t h e m e t h o d s o f re c o g n iz in g d i g it al a n d C h in e s e c h a r a c t e r s i n v e h i c le li c e n s e p l a t e s o n t h e g r a y - s c a le i m a g e . B e c a u s e o f t h e lo w c o n t r a s t a n d S / N ( s i g n a l t o n o i s e ) r a t e in p a r ts o f c h a r a c t e r im a g e s , t h e c h a r a c t e r c o n t o u r f e a t u r e s a re f o r m e d w it h g r a d i e n t al g o r it h m s . A n d o n t h e b a s i s o f t h e s e o r i g i n al f e a t u re s , w e c a n b u i l d v a r io u s o f t r a i n i n g s a m p le f e a t u r e s , w h i c h c a n b e r e c o g n i z e d b y g e n e r a l i z e d r a d i al - b a s i s f u n c t io n p R B F ) . T h i s e x p e r i m e n t s h o w s t h a t t h e t o t al c h a r a c t e r re c o g n i t i o n

《基于灰度图像的牌照字符识别》由会员li45****605分享，可在线阅读，更多相关《基于灰度图像的牌照字符识别》请在金锄头文库上搜索。