復雜背景下的車牌定位與漢字識別技術研究.pdf

1、自動車牌識別作為高精度的車輛識別中的核心技術,在智能交通系統(tǒng)中發(fā)揮著日益關鍵的作用。車牌識別系統(tǒng)主要包含車牌定位、字符分割、車牌字符識別三個主要部分,涉及了人工智能、模式識別、計算機視覺和數(shù)字圖像處理等多個學科領域。目前車牌識別系統(tǒng)應用場合多為復雜環(huán)境,例如:因天氣或拍攝角度的因為造成車牌圖像模糊、傾斜和光照不均等現(xiàn)象,嚴重影響了車牌的識別率,因此,如何在復雜環(huán)境下實現(xiàn)車牌的準確識別是車牌識別領域的難點之一。
　　 本文針對復雜

2、環(huán)境下的車牌定位與車牌漢字圖像的識別進行了研究,主要工作包括:
　　 (1)根據(jù)圖像中車牌的形態(tài)特征和紋理屬性,運用分形盒維數(shù)來描述車牌字符的特征,并結合小波變換來定位車牌,該方法計算簡單,且不依賴車牌的顏色、形狀、尺寸,具有極好的魯棒性和實時性。測試結果表明,該方法能有效地實現(xiàn)復雜環(huán)境下的車牌定位。
　　 (2)針對目前復雜環(huán)境下車牌漢字圖像識別率較低,識別時間較長等問題,提出了一種基于偽Zernike矩和獨立主成分分

3、析(ICA)的改進概率神經(jīng)網(wǎng)絡(PNN)車牌漢字識別方法。該算法是將車牌漢字圖像的偽Zernike矩通過獨立主成分分析降維,再將降維后的特征輸入所提出的一種基于代表點的改進概率神經(jīng)網(wǎng)絡中進行訓練和識別,從而有效地實現(xiàn)車牌漢字的識別。將該算法應用于復雜環(huán)境下的車牌漢字圖像識別實驗,實驗結果表明,該算法能有效地降低特征維數(shù),減少了識別時間,并能顯著地提高車牌漢字的識別率。
　　 (3)采用面向對象的設計語言VC++6.0和Matla