基于伪zernike矩的车牌字符识别 recognition of license plate characters based on pseudo-zernike moments.pdfVIP

下载本文档

1
0
约1.13万字
约 5页
2017-08-14 发布于上海
举报
版权申诉

基于伪zernike矩的车牌字符识别 recognition of license plate characters based on pseudo-zernike moments.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于伪zernike矩的车牌字符识别 recognition of license plate characters based on pseudo-zernike moments

2们2年 8月电子测试 Aug．2o12 第8期 ELEcTR0Nlc TEST No．8 基于伪zernike矩的车牌字符识别王峰，孟立凡，李艳。 (1中北大学电子测试技术国家重点实验室，太原 030051；2山东省滕州市第二中学，滕州 277500) 摘要：基于伪zernike矩的不变性，提出了基于伪zernike矩特征提取的车牌字符识别方法。在车牌区域定位的基础上，通过对图像的二值化过程和字符图像分割等一系列处理，在进行归一化处理后分别提取伪 zernike的高阶矩。将提取的伪zernike矩作为字符的特征描述输入到BP神经网络进行训练，最后进行车牌字符分类识别。通过实验证明了该方法的的可行性。测试结果表明，这种方法实用有效，识别效果优于HU 矩和zernike矩。而且可以计算出错误率和可识别的最佳矩，减小了计算量且增强了字符识别的实时性。关键词：车牌字符识别；伪zemike矩；BP神经网络；特征提取中图分类号：TP389 文献标识码：A Recognitionoflicenseplatecharactersbasedon Pseudo-zernikem om ents W angFeng， M engLifan ， LiYna2 (1NationalKeyLaboratoryofElectronicMeasurementTechnology，NorthUniversityofChina，Taiyuan030051 2ThesecondmiddleschoolofTengzhou，Tengzhou277500) Abstract：BasedontheinvarianceofthePseudo—zemikeM oments，thispaperpresentsanovelmethodoflisence platecharacterrecognitionbasedonPseudo—zernikeMoments(PZM)．Onthebasisofplateareahavingbeen positived，affteraserisrofprocessingincludingbinarization，segmengtion，normalizationweextracted high— levelPeudo—PmikeMmentsthesewetakeasthedescriptionofcharacterfeaturetomaketheBP neuralnetwork training．Finallythelicenseplatecharacters can beclassifiedandrecognised ． Thefeasibilityofthemethodcan beprovedbytheexperiments．Expriments resultsshow thatthepresentedapproachachievesbetterrecong ition accuracythna usingHU momentsna dzemikemoment．Anditalsocancalculatetheerror-rateandtheoptimal numberofmomentsoftherecognition，decreasingtheamountofcomputation andenhancingthereal—time whilerecognisingthecharacter．