第6章模式特征选择.pptVIP

2.方向特征 将每一步跟踪可能的八个方向按图示的规定标以 的标记。如果 ，则跟踪方向为 。每跟踪一步，八个方向中应只有一个为1，这个方向就是字符在这一点跟踪时的方向。 3.线特征 所谓线特征就是跟踪方向的变化情况，可分凹、凸、平三种。线特征是用方向增量 来定义的。方向增量 是某一步跟踪方向之间的方向变化量。 如果两次跟踪方向之间沿逆时针方向变了 ，则方向增量 ； 如果两次跟踪方向之间沿逆时针方向变了 ，则方向增量 ； 如果沿顺时针方向变化了 ，则 ； 如果沿顺时针方向变化了 ，则 ； 如果两次跟踪的方向相同，则 。 用方向增量来定义凹、凸、平等线特征： （1）凹 a)如果某一步的方向增量　　　 ，或 b)如果某一步的方向增量　　　 ，而这一步之前的某一步的方向增量　　　 ，　满足上述条件时，称这一步的线特征为凹。 （2）凸 a)如果某一步的方向增量 ，或 b)如果某一步的方向增量 ，而这一步之前的某一步的方向增量 ， 满足上述条件时，称这一步的线特征为凸。 (3) 平 a)如果某一步的方向增量 ，或 b)如果某一步的方向增量 ，而这一步之前的各步方向均无变化，或虽有变化，但与这一步的方向增量的符号相反。 满足上述两个条件时，称这一步的线特征为平。 图中为线特征为凹、凸、平的一些例子。 这样就可以得到字符骨架的每一个元素上的三个特征，它们组成这个元素的特征组，将特征组按每个点的跟踪顺序连接起来，就形成了特征序列。作为手写体字符识别的依据。 6.5 模式识别应用—车牌识别 1.车牌识别流程： 图像采集 车牌预处理 车牌定位 字符分割 字符识别 各步骤的功能： （1）车牌预处理 将输入的车牌彩色图像进行灰度化处理，然后对图像进行灰度拉伸以增强图像的对比度，用中值滤波给图像去噪，最后检测图像边缘。 6.5 模式识别应用—车牌识别 （2）车牌定位 在一幅含有复杂背景的车牌图像中找到车牌区域，车牌定位分为粗定位和精确定位。 6.5 模式识别应用—车牌识别 （3）字符分割 对得到的车牌图像进行字符分割和归一化，将分割出的字符输入到后续的识别模块进行识别。 6.5 模式识别应用—车牌识别 （4）字符识别 在对牌照字符准确分割的基础上，对车牌上的汉字、英文字母、数字进行识别。 6.5 模式识别应用—车牌识别 （5）字符识别方法 1）字符特征提取 车牌字符分割后可以归结为3类，即0到9的数字类，大写英文字母类和汉字类。 汉字识别 对于印刷体字符，常提取的特征有： 水平垂直投影、粗网格特征、外围特征、四周编码、水平垂直交叉点特征等 6.5 模式识别应用—车牌识别 粗网格分析 将图像分割成24个子块，每个子块的尺寸是8*6，统计子块内的白像素的数目。 6.5 模式识别应用—车牌识别 跳变点分析 在字符图像的水平、垂直方向的四等分处分别做水平或垂线穿过字符，统计其与字符边缘相交的次数。 6.5 模式识别应用—车牌识别 四周编码 图像的四周编码是指在图像的上下左右四个边界分别以一定的宽度划定四条子带，分别统计这四条子带中目标像素的个数。 6.5 模式识别应用—车牌识别 水平垂直投影编码 将字符分别在水平和垂直方向上投影，分别统计每一行、每一列上的白色像素的和，把其作为投影特征。 6.5 模式识别应用—车牌识别 （5）字符识别方法 2）降维 选取字符图像的特征，每一个字符有横向投影48维，纵向投影24维，粗网格特征24维，跳变点分析6维共有102维。 用K-L变换，取贡献率达到98%的前m个特征代替原始特征。将102维降到16维。即前16维特征值累加包含了原102维特征值的98%的信息量。