多特征融合的車牌字符識(shí)別算法.pdf

1、　　車牌識(shí)別技術(shù)是智能交通系統(tǒng)的核心技術(shù)，而車牌字符識(shí)別技術(shù)又是車牌識(shí)別技術(shù)中的核心，它在智能交通系統(tǒng)中起到舉足輕重的作用?？紤]到以往車牌字符識(shí)別方法借助于輔助硬件設(shè)備提高字符識(shí)別率而增加設(shè)備成本的缺點(diǎn)，本文研究了利用圖像處理與模式識(shí)別技術(shù)進(jìn)行多特征融合的車牌字符識(shí)別算法，降低了車牌識(shí)別系統(tǒng)的成本，且提高了字符識(shí)別率。本文的工作主要包括車牌傾斜校正、車牌二值化、車牌字符分割和車牌字符識(shí)別四部分。
　　在車牌傾斜校正部分，提出了融

2、合Ho ugh與Rado n變換的車牌傾斜校正算法，該方法有效解決了Ho ugh變換無(wú)法校正無(wú)邊框車牌和Ra do n變換計(jì)算量大的問(wèn)題。在車牌二值化部分，提出了基于 HSV 空間的亮度自適應(yīng)閾值分割法，該方法對(duì)光照過(guò)強(qiáng)、過(guò)弱或不均勻情況下的藍(lán)白車牌圖像均可以得到令人滿意的二值化效果。在車牌字符分割部分，提出了邊界距離矩陣，將邊界距離矩陣應(yīng)用到車牌字符分割算法中，使得本文提出的基于邊界距離矩陣的連通域分割法不依賴于車牌定位的精確程度，很

3、好地解決了漢字易分割錯(cuò)誤的問(wèn)題，且對(duì)噪聲嚴(yán)重的圖像也能得到很好的分割效果。在車牌字符識(shí)別部分，利用字符的密度特征、穿透特征、一階外圍特征和具有旋轉(zhuǎn)不變性的ID-LBPV描述符提取的特征四種特征進(jìn)行融合，采用支持向量機(jī)、分塊投票表決法以及基于位置信息的模板匹配方法三級(jí)分類法來(lái)實(shí)現(xiàn)車牌字符的識(shí)別，該方法尤其是對(duì)低質(zhì)量字符圖像較以往的識(shí)別方法識(shí)別率有很大的提高。
　　本文建立了包含十個(gè)省市車牌圖像的車牌庫(kù)，上述四部分工作均利用車牌庫(kù)在