基于小波分析的車(chē)牌字符識(shí)別.pdf

1、車(chē)牌圖像由于受到天氣、光照等的影響,常常發(fā)生幾何變形、字符筆畫(huà)缺損及附加噪聲等等,從而車(chē)牌字符圖像的質(zhì)量遠(yuǎn)遠(yuǎn)低于手寫(xiě)體或印刷體字符,這使得傳統(tǒng)的字符識(shí)別方法難以滿足要求.近些年興起的小波變換是一種圖像分析的重要工具,小波變換的多尺度分解特性更加符合人類(lèi)的視覺(jué)機(jī)制,與計(jì)算機(jī)視覺(jué)中的由粗到細(xì)的認(rèn)識(shí)過(guò)程十分相似,更加適合圖像的信息處理.該文首先簡(jiǎn)要描述了整個(gè)車(chē)牌識(shí)別系統(tǒng)的總體結(jié)構(gòu),將其分為車(chē)牌定位、車(chē)牌字符識(shí)別兩個(gè)子模塊,并且對(duì)車(chē)牌識(shí)別中這幾

2、個(gè)步驟的各種方法進(jìn)行了簡(jiǎn)單的介紹.然后討論了字符的單獨(dú)分割問(wèn)題.接著該論文中重點(diǎn)討論利用小波分析方法來(lái)提取字符特征.對(duì)直接利用小波系數(shù)作為特征,以及結(jié)合聚類(lèi)分析一起提取特征都進(jìn)行了分析.還用小波包分解并尋找最優(yōu)小波包基進(jìn)行字符的特征提取.也討論了利用矩分析提取特征以及矩分析和小波分析相結(jié)合的特征提取方法.最后還描述了基于Gabor變換的方法進(jìn)行車(chē)牌字符識(shí)別,更加突出了小波變換時(shí)頻窗自動(dòng)調(diào)整的優(yōu)點(diǎn).論文中借助于BP神經(jīng)網(wǎng)絡(luò)分別對(duì)幾種方法進(jìn)