基于特征融合的车牌汉字识别技术.pdfVIP

第23卷 第 12期 乐山师范学院学报 Vo1．23．No．】2 2008年 12月 JournalofLeshanTeachem College Dee．2008 基 于 特 征 融 合 的 车 牌 汉 字 识 别 技 术 高局 仕仕 龙龙 (乐山师范学院 数学系，四川 乐山 614000) 摘 要：本文提出一种新的基于特征融合的车牌汉字识别技术．该方法首先对字符图像进行奇异值分解 ，然后利用奇 异值和奇异向量进行特征融合 ，得到既包含能量特性又包含几何特性的特征向量，并结合 BP神经网络分类器，应用于车 牌汉字识别。仿真模拟结果表明，该方法具有很好的识别率和较低的误识率。 关键词：特征融合 ；奇异值；奇异值向量；车牌识别 中图分类号：TP391．41 文献标识码 ：A 文章编号 ：1009—8666(2008)12—0051—02 0 引言 把矩阵奇异值分解后的奇异向量作为特征应用到文本分 类领域 ，获得了较好的效果。本文结合上述方法的优点，融 近年来，车牌识别技术逐渐成为研究热点之一。车牌 合字符图像的奇异值和奇异向量 ，得到新的既反映能量特 识别系统已经被广泛应用于过路收费系统和交通管理系 性又反映几何特性的特征向量，并结合BP神经网络分类 统，有着巨大的经济价值和现实意义。一个完整的车牌 自 器 ，应用于车牌汉字识别 ，取得了不错的实验效果。 动识别系统包括图像采集 、车牌定位 、字符分割以及字符 1 算法描述 识别等四个部分。其中字符识别，尤其是车牌中汉字的识 别是车牌识别系统的难点技术。而车牌汉字识别的关键又 1．1 矩阵的奇异值分解及其相关性质 在于汉字特征的提取 ，也就是如何选择既容易提取又能为 矩阵的奇异值分解在数据压缩、信号去噪、模式识别 识别系统提供尽可能高的模式鉴别能力的特征矢量 ，同 等领域有着广泛的应用 ，奇异值分解理论及其性质可描述 时，为实时识别考虑，还要尽量减少特征矢量的维数。由于 如下： 汉字结构的特殊性和国内路况条件较差对车牌取样的污 设 A∈R一且元素非负，rank(A)=r，则存在 nl阶正交阵 染，使得国内车牌识别更成为难点问题。 U和n阶正交阵v使得 随着模式识别技术的发展 ，出现了很多提取字符特征 A=U∑VT 的新的理论、方法和手段_1-5l。这些方法主要有统计特征和 其中 代数特征两类，_句而在字符代数特征提取方法中，又以奇异 U=(uI，u2，…um)， 值分解理论的应用最为普遍。在现有的利用矩阵奇异值分 V=(v1，v2，…v)， 解提取特征的文献中，大都倾向于把矩阵的奇异值作为字 =diag(1，叮2，…盯…00，…0)∈R一， 符图像的特征 ， 尽管矩阵的奇异值具有转置、镜像、旋 仃≥叮：≥…≥盯30是A的全部非零奇异值。其中，(『 转、缩放、平移等不变性 ，Hl且在受到噪声干扰的时候具有 为ATA或A 的特征值 ，u。和v分别是A 和AAT的对应 稳定性，但奇异值只是反映了字符图像的能量特征 ，而没 于盯的特征矢量，也称的奇异向量。 有反映图像的纹理、形状、边缘等几何视觉特性。文献[10] 收稿 日期：2008—09—05 作者简介：高仕龙，乐山师范学院数学系讲师，硕士，研究方向：图像处理，随机信号处理。 图像矩阵的奇