基于投影特征曲線匹配的車(chē)牌字符識(shí)別算法

《基于投影特征曲線匹配的車(chē)牌字符識(shí)別算法》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、20計(jì)算機(jī)與數(shù)字工程第38卷*基于投影特征曲線匹配的車(chē)牌字符識(shí)別算法姜瑾張桂林許慧慧(華中科技大學(xué)圖像識(shí)別與人工智能研究所武漢430074)摘要在車(chē)輛牌照自動(dòng)識(shí)別系統(tǒng)中,字符識(shí)別是最后一個(gè)也是最關(guān)鍵的步驟。在實(shí)際場(chǎng)景中,光照不同造成了車(chē)牌字符效果不同,從而影響字符識(shí)別的正確率,尤其是車(chē)牌中漢字的識(shí)別。提出一種灰度預(yù)處理算法來(lái)解決識(shí)別過(guò)程中的光照問(wèn)題。針對(duì)不同字符在垂直方向和水平方向投影特征曲線不同,采用分類(lèi)比較和滑動(dòng)匹配方法來(lái)識(shí)別車(chē)牌字符,提高算法的適應(yīng)能力。關(guān)鍵詞字符識(shí)別灰度預(yù)處理投影特征曲線中圖分類(lèi)號(hào)TP317.4動(dòng)識(shí)別系統(tǒng)中,我們將字符大小歸一

2、化為32@16。1引言字符識(shí)別的步驟如圖1所示:智能化車(chē)輛牌照自動(dòng)識(shí)別系統(tǒng)在智能交通領(lǐng)域有很寬的應(yīng)用范圍,如在停車(chē)場(chǎng)、智能小區(qū)車(chē)輛出入自動(dòng)記錄、車(chē)流量統(tǒng)計(jì)等方面。汽車(chē)牌照識(shí)別技術(shù)成為近年來(lái)智能交通系統(tǒng)(ITS)中的核心技圖1字符識(shí)別步驟框圖術(shù)之一,其中字符識(shí)別是整個(gè)識(shí)別系統(tǒng)中一個(gè)重3灰度預(yù)處理算法要、關(guān)鍵的步驟,字符識(shí)別的正確率直接影響一個(gè)系統(tǒng)的實(shí)用性和通用性。國(guó)內(nèi)外字符識(shí)別的方法在歸一化、傾斜校正后,得到了大小一致的單很多,如基于彈性模板匹配的算法、字符結(jié)構(gòu)知識(shí)個(gè)字符圖像。當(dāng)場(chǎng)景中的光照不同時(shí),一些譬如的漢字識(shí)別技術(shù)、神經(jīng)網(wǎng)絡(luò)的字符識(shí)別算法等。本O

3、TSU方法或者其它的二值化方法,都會(huì)使得二值文提出了一種基于灰度預(yù)處理和投影特征曲線相化后的字符的筆畫(huà)模糊不清。尤其中國(guó)的車(chē)牌中關(guān)性匹配的車(chē)牌字符識(shí)別算法,快速的識(shí)別車(chē)牌中有漢字,光照不同時(shí)一般的漢字字符二值化后的效的各種字符,識(shí)別的準(zhǔn)確率達(dá)到90%以上。果往往會(huì)造成漢字筆畫(huà)的粘連或者斷裂,使得識(shí)別的正確率降低。因此,我們考慮用灰度預(yù)處理算法2車(chē)牌字符識(shí)別的過(guò)程來(lái)處理字符圖像,使得處理后的字符圖像的直方圖車(chē)輛牌照自動(dòng)識(shí)別系統(tǒng)包括圖像采集、車(chē)牌定分布集中在兩個(gè)區(qū)域中,這樣使得二值化后的字符位、字符分割和字符識(shí)別4個(gè)步驟。首先在采集到圖像筆畫(huà)清晰。的圖像

4、中通過(guò)車(chē)牌的邊緣特征、顏色特征和幾何特灰度預(yù)處理算法的原理就是把字符圖像的背景征,將車(chē)牌部分從背景圖像中提取出來(lái);然后根據(jù)和目標(biāo)灰度值分布不相同的字符,轉(zhuǎn)換為背景和目標(biāo)我國(guó)國(guó)內(nèi)車(chē)牌的國(guó)家標(biāo)準(zhǔn),將提取出來(lái)的車(chē)牌分割的灰度值分布大致相同的字符。算法步驟如下:為單個(gè)的漢字、阿拉伯?dāng)?shù)字和英文字母圖像,以方1對(duì)單個(gè)字符圖像I(x,y),用OTSU算法求出便后面的字符識(shí)別步驟。這幾個(gè)步驟是相輔相成二值化的閾值T;的,前一步的處理結(jié)果直接影響到下一步的處理。o對(duì)字符圖像中灰度值大于閾值T的部分,在字符識(shí)別步驟之前,首先需要把分割出來(lái)的求取這些灰度值的均值L1和標(biāo)準(zhǔn)

5、差R1;同理,對(duì)單個(gè)字符進(jìn)行傾斜校正、大小歸一化等預(yù)處理,得灰度值小于閾值T的部分,也得到均值L2和標(biāo)準(zhǔn)到大小一致、字符端正的單個(gè)字符圖像。在車(chē)牌自差R2;*收到本文時(shí)間:2006年8月21日作者簡(jiǎn)介:姜瑾,女,碩士研究生,研究方向:圖像識(shí)別技術(shù)。張桂林,教授,研究方向:自動(dòng)目標(biāo)識(shí)別,成象跟蹤制導(dǎo)技術(shù)和人體生物統(tǒng)計(jì)特征識(shí)別。許慧慧,女,碩士研究生,研究方向:圖像識(shí)別技術(shù)。第38卷(2007)第6期計(jì)算機(jī)與數(shù)字工程21?分別將兩部分的灰度值變化到我們預(yù)設(shè)的車(chē)牌字符中的0~9十個(gè)阿拉伯?dāng)?shù)字的水平和垂直標(biāo)準(zhǔn),假設(shè)大于閾值T的灰度值變化后的均值為方向上的投影

6、曲線。以此為模板進(jìn)行圖像匹配可L1,標(biāo)準(zhǔn)差為R1;而小于閾值T的灰度值變化后的以很好的識(shí)別不同的阿拉伯字符,達(dá)到字符識(shí)別的均值為L(zhǎng)2,標(biāo)準(zhǔn)差為R2;理想的效果,并且計(jì)算量較小,判斷速度較快。?根據(jù)閾值T,分別將單個(gè)字符圖像的兩部分具體的投影特征曲線相關(guān)性匹配算法的步驟是:的灰度均值和標(biāo)準(zhǔn)差調(diào)整到第三步給定值,對(duì)每個(gè)1分別得到字符模板圖像的水平投影圖和垂像素點(diǎn)的灰度值進(jìn)行如下的變換:直投影圖序列;R1o對(duì)每一個(gè)欲識(shí)別的字符圖像,也分別得到它大于閾值T的部分:Ic(x,y)=(I(x,y)-R1的水平投影圖序列和垂直投影圖序列;L1)+L1?將欲識(shí)別的字

7、符圖像的水平投影圖和垂直R2投影圖序列分別與字符模板圖像的投影圖序列進(jìn)小于閾值T的部分:Ic(x,y)=(I(x,y)-R2行匹配,投影序列相關(guān)系數(shù)S為N-1L2)+L2S=Efa(i)-fafb(i)-fb/i=0得到變化后的字符圖像。N-1N-122經(jīng)過(guò)這樣的灰度預(yù)處理Efa(i)-faEfb(i)-fbi=0i=0后,可以得到光照分布基本相式中fa(i)為點(diǎn)模板字符投影曲線灰度值,fb似的字符圖像,以便于我們對(duì)(i)為i點(diǎn)待識(shí)別字符投影曲線灰度值,fa為模板字字符圖像進(jìn)行二值化處理。處圖2灰度預(yù)處理符投影平均灰度值,fb為待識(shí)別字符投影曲線平均

8、理后的字符圖像如圖2所示:前后的圖像對(duì)比灰度值;可以看出,經(jīng)過(guò)灰度預(yù)處為了提高算法對(duì)投影曲線定位誤差的適應(yīng)能