基于径向基神经网络的车牌字符识别算法研究.pdfVIP

2007年11月 绵阳师范学院学报 Nov．，2007 第26卷 第11期 Journal of Mianyan~Normal Universi Vo1．26 No．11 基于径向基神经网络的车牌字符识别算法研究 潘永惠 2，吴懋刚 2 (1．江南大学信息T程学院，江苏无锡 214036；2．江阴职业技术学院计算机系，江苏江阴 214405) 摘 要：根据车牌中字符的形态特征和横向纹理属性，以小波空间作为车牌字符识别的特征空间，提取字符 的小波统计特征作为RBF神经网络的输入进行字符识别。实验结果表明本文提出的算法是一种切实可行、准确高 效的方法，对复杂背景下拍摄的汽车牌照识另q具有很好的鲁棒性。 关键词：车牌字符；小波变换；模糊聚类；RBF神经网络；鲁棒性 中图分类号：TP312 文献标识码：A 文章编号：1672-612x(2007)11-0100-05 1 引言 由于汽车图像摄于背景复杂且光照不均的自然场景下，因而怎样从不同尺寸和背景的牌照中准确可 靠地分割出字符并识别是很关键的。本文经过大量实践后找到了基于小波空间的车牌字符特征提取和识 别算法。其原理是：首先将车牌的灰度图像二值化，然后转换为索引图像，对转换后的图像进行小波变换， 对高频子带(LH，HL。HH)的小波变换系数进行分析。其次分别计算各子带小波系数的能量和熵等相关特 征，并由这些特征得到一个动态阈值，作用此阈值后保留幅值较大的小波系数并进行归一化处理。最后分 别对各子带的小波系数水平和垂直投影，提取车牌字符的一组统计特征，通过RBF神经网络进行识别。 2 车牌字符识别 本部分提出了车牌字符识别的主要处理步骤和方法。我们的目标是建立一个自动车牌识别系统，能 够识别具有复杂背景。允许车牌有一定的倾斜度，任意颜色和大小的车牌。如图1所示，本系统由3个主要 步骤来实现：小波变换、特征提取、字符识别。这些将在下面作详细的说明。 囡 圈 圉 圈 困 圜 圈 图1 车牌字符识别流程 Fig 1 The flow of license character recognition 2．1 车牌宇符小波变换 汽车牌照主要由5O个左右的汉字，26个大写英文字母和1O个阿拉伯数字组成，字体基本固定。一般 牌照有7个左右字符组成，形成一个长宽比约为4：1的矩形区域。车牌上的文字一般由水平、垂直、左斜和 右斜等笔划组成，纹理特征不规则，比较特殊。同一车牌中的文字的颜色是一样的，并且背景为同一种底 色，文字颜色与车牌底色形成强烈的对比，边缘信息非常丰富，因此在小波变换后的高频子带中可以发现 车牌字符边缘处的小波系数特别大。首先将车牌字符图像转换成索引图像，然后对索引图像作用小波变 收稿日期：2007-08—15 基金项目：江苏省科技厅科研资助项月(BS20(O11) 作者简介：潘永惠(1972一 )，男，博士研究生，主要研究方向：神经网络、模式识别和模糊系统。 第1 1期 潘永惠等：基于径向基神经网络的车牌字符识别算法研究 ·101· 换，获取车牌字符在不同高频子带的小波系数 。 车牌图像经过小波变换后，形成四个子带的小波系数：低频(LL)、高频(HL)、高频(LH)和高频(HH)， 得到图像的水平、垂直和对角线变化的边缘信息，分别包含在上述三个高频子带中。车牌图像作用小波变 换后的结果如图2所示。 (HL) 图2 车牌小波变换系数 Fig 2 The little wave changed coefficient of license 2．2 车牌字符特征提取 本文中的车牌字符特征提取就是基于车牌字符在小波变换后的HL、LH、HH三个高频子带，可以通过 作用一个阈值来滤掉