低質(zhì)量車(chē)牌漢字字符識(shí)別技術(shù)研究.pdf

1、車(chē)牌自動(dòng)識(shí)別系統(tǒng)利用計(jì)算機(jī)視覺(jué)、圖像處理、模式識(shí)別等技術(shù)從汽車(chē)圖像中提取車(chē)輛牌照信息,是實(shí)現(xiàn)智能交通系統(tǒng)的關(guān)鍵環(huán)節(jié)之一。車(chē)牌自動(dòng)識(shí)別技術(shù)研究具有重要的現(xiàn)實(shí)意義和廣闊的應(yīng)用前景。
　　 車(chē)牌字符識(shí)別是車(chē)牌自動(dòng)識(shí)別系統(tǒng)中的核心技術(shù),主要包括車(chē)牌英文字母字符識(shí)別、車(chē)牌數(shù)字字符識(shí)別和車(chē)牌漢字字符識(shí)別。目前,低質(zhì)量的車(chē)牌字符識(shí)別技術(shù)是個(gè)難點(diǎn),具有挑戰(zhàn)性。
　　 本文在查閱大量中外文獻(xiàn)的基礎(chǔ)上,對(duì)低質(zhì)量的車(chē)牌字符識(shí)別技術(shù)進(jìn)行了研究,

2、提出了兩種車(chē)牌漢字字符識(shí)別算法。
　　 提出了基于分形維數(shù)和二維離散小波變換的車(chē)牌漢字字符識(shí)別算法。其基本思路是基于分形維數(shù)和二維離散小波變換技術(shù)進(jìn)行特征提取,然后利用SVM分類(lèi)器進(jìn)行字符識(shí)別。首先,對(duì)車(chē)牌圖像進(jìn)行預(yù)處理；其次,依據(jù)車(chē)牌圖像特定的高寬比,根據(jù)特征提取所需的漢字字符各部分,拼接出分形維數(shù)算法所必需的正方形圖像；然后,求取整個(gè)字符圖像、局部圖像以及小波變換各方向分量的分形維數(shù)組成特征向量；最后,應(yīng)用支持向量機(jī)技術(shù)設(shè)計(jì)

3、分類(lèi)器進(jìn)行漢字字符識(shí)別。實(shí)驗(yàn)結(jié)果表明,由于分形圖像良好的自適應(yīng)性,該算法能較好的識(shí)別出存在污跡、褪色和斷裂等低質(zhì)量的的車(chē)牌字符圖像。特別是應(yīng)用了二維離散小波變換,更好地抑制了噪聲,提高了字符識(shí)別率。
　　 提出了一種融合小波變換和KPCA的車(chē)牌漢字字符識(shí)別算法。其特色是將小波變換和KPCA技術(shù)相結(jié)合進(jìn)行特征提取,提高了算法的魯棒性。首先,對(duì)字符圖像進(jìn)行分塊操作；其次,對(duì)每塊子圖像求兩層小波系數(shù)并提取小波系數(shù)的核主成分作為分塊特征