車牌字符自動(dòng)識(shí)別方法的研究.pdf

1、汽車車牌自動(dòng)識(shí)別系統(tǒng)是以汽車車牌為特定目標(biāo)的專用計(jì)算機(jī)智能系統(tǒng)，是圖像處理技術(shù)和計(jì)算機(jī)視覺(jué)在智能交通領(lǐng)域應(yīng)用的重要研究方向之一，在交通流量檢測(cè)、機(jī)場(chǎng)、港口、小區(qū)的車輛管理、不停車自動(dòng)收費(fèi)、闖紅燈等違章車輛監(jiān)控以及車輛安全防盜等領(lǐng)域得到了廣泛應(yīng)用，具有廣闊的應(yīng)用前景。
　　一般情況下，車牌自動(dòng)識(shí)別系統(tǒng)的軟件部分主要完成的功能：圖像預(yù)處理、車牌定位、車牌傾斜校正、字符分割、字符識(shí)別。考慮到實(shí)驗(yàn)條件和時(shí)間的限制，本文主要圍繞以下幾個(gè)部分

2、進(jìn)行設(shè)計(jì)：車牌定位、傾斜校正、字符分割、字符識(shí)別。本文只對(duì)這四個(gè)部分提出了有效的解決策略，完成了實(shí)驗(yàn)。
　　①圖像預(yù)處理部分：簡(jiǎn)單介紹了本文所用到的一些圖像預(yù)處理技術(shù)，包括：圖像的灰度化、圖像增強(qiáng)、數(shù)學(xué)形態(tài)學(xué)、圖像的二值化、邊緣檢測(cè)等，并給出了各自的實(shí)驗(yàn)結(jié)果。
　?、谲嚺贫ㄎ唬罕疚脑趶V泛分析、比較已有方法的基礎(chǔ)上，提出了一種基于數(shù)學(xué)形態(tài)學(xué)與投影的車牌定位算法，該方法采用Top-Hat變換、灰度圖像數(shù)學(xué)形態(tài)學(xué)對(duì)經(jīng)灰度化處理的圖

3、像進(jìn)行預(yù)處理，然后利用連通體態(tài)分析法得到車牌候選區(qū)域，最后結(jié)合車牌區(qū)域的投影特征定位出車牌。有效地解決了自然背景下車牌定位問(wèn)題，同時(shí)該方法適用于多車牌定位場(chǎng)合。大量實(shí)驗(yàn)表明：該算法具有定位準(zhǔn)確率高(達(dá)到了97.4％)，魯棒性強(qiáng)、速度快等優(yōu)點(diǎn)。
　?、蹆A斜校正和字符分割：在車牌準(zhǔn)確定位的基礎(chǔ)上，應(yīng)用基于邊緣點(diǎn)投影方差最小和Radon變換的方法對(duì)車牌進(jìn)行了校正，提出了基于投影二分法和先驗(yàn)知識(shí)的字符分割算法，實(shí)驗(yàn)結(jié)果表明該方法分割速度快

4、、分割準(zhǔn)確度高，對(duì)字符粘連、斷裂、傾斜不敏感。
　　④字符識(shí)別：考慮到采集的實(shí)驗(yàn)樣本圖像有限以及傳統(tǒng)字符識(shí)別方法的不足，提出了基于組合特征和支持向量機(jī)的車牌字符識(shí)別方法，算法首先采用一維小波分解多角度投影和Pseudo-Znerike不變矩提取車牌字符圖像的特征，然后運(yùn)用雙線性搜索法，用提取的特征訓(xùn)練出使支持向量機(jī)學(xué)習(xí)精度最高的分類器，再運(yùn)用此分類器分類和識(shí)別車牌字符，用大量樣本對(duì)系統(tǒng)進(jìn)行測(cè)試，車牌整體識(shí)別率達(dá)到97.6%，通過(guò)對(duì)