基于中心投影变换的车牌字符识别.pdfVIP

第31卷第 1期 湖北大学学报 (自然科学版) V01．31 No．1 2009年 3月 JournalofHubeiUniversity(NaturalScience) M ar．，2009 文章编号：1000—2375(2009)01—0027—03 基于中心投影变换的车牌字符识别 柳欣，吴杰 (湖北大学 数学与计算机科学学院，湖北 武汉 430062) 摘要：传统的运用分形理论对车牌进行识别的方法不能有效地解决字符的平移性和旋转性．在对车牌字 符矩形区域进行切分基础上首先运用中心投影变换方法，然后求出字符分形曲线的分形维数，进行识别．试验 结果表明，此方法更有效，识别率更高． 关键词：分形维数；中心投影变换；车牌字符 中图分类号：TP751 文献标志码：A 在车牌识别领域中，车牌字符识别一直是比较关注的课题．车牌字符实际上是依附在车牌上的印刷 体字符，但与印刷字符识别相比，有其自身的特点．车牌采集过程中，光照条件经常变化，并且受天气状 况的影响，各种干扰也不可预测，导致实际取到的牌照的图像由于光照度、触发位置的不同，字符的大 小、粗细、位置及倾斜角度都不一样．另外，牌照的旋转等原因使得车牌 自动识别系统准确率不高．域内 字符是提高汽车 自动识别系统识别率的关键，这对字符识别方法具有很高的要求．在这个问题上，笔者 利用分形理论对车牌矩形区域内的字符识别进行了深入的研究，利用分形理论，把中心投影变换运用到 车牌字符识别当中，取得 了较好的效果． 1 分形与分形维数 分形(Fracta1)_1]是非线性科学中的一个活跃分支，由美籍法国科学家B．B．Mandelbrot在 2O世纪 70年代中期创立．在Mandelbrot最初的论述中，他定义分形是其Hausdorff维数严格大于拓朴维数的 集合，并强调分形图形具有 自相似性的特点．随着分形理论的发展，分形理论在图象处理中也得到了广 泛的应用，如模拟 自然景物生成、图象分割、纹理特征提取、纹理分类和图象编码压缩等． 维数是集合对象的一个重要特征量，通常的 “维数”概念指的是为了确定集合对象中一个点的位置 所需要的独立坐标的数 目，我们知道点是0维的，直线是一维的，平面是二维的，立方体是三维的，但是 自从 1919年起，豪斯道夫(Hausdorff)等数学家们补充了某些维数不再是整数的理想化图形，他们的维 数可以是一个分数，如I／2，3／2，5／2，也可以是一个无理数，如 log3／log4，1．2618…，甚至可以是一个复 杂方程 的解 ，这是一种新的维数，称为分形维数． 分形维数已经成为研究分形的主要工具，有豪斯道夫维数，盒维数以及 自相似维数等．其中盒维数 (BoxDimension)的实际计算和估计都比较容易，是应用最广泛的一种维数，在分形的理论与应用中起 到了极其重要的作用． 其定义为设集FCR，记NE(F)是可以覆盖F边长为￡的 维立方体的最少个数，则F的盒维数D 定义为(当极限存在时) D=limlogN~(F)／(--logs) (1) 在实际计算时，根据上式计算的不同的r值对应的N，值，绘出(1g(N，)，--lg(r))关系图，利用一条 直线去拟合图上的点，通过求出图中直线的斜率，即可确定 目标图象的盒维数D． 收稿 日期：2008—03—25 基金项 目：国家 自然科学基金 (604O3011)资助 作者简介 ：柳欣 (1982一 )，男，硕士生 28 湖北大学学报 (自然科学版) 第31卷 2 中心投影变换 在模式识别中，特征是用来辩识一类模式与另一类模式的不同，特征抽取是模式识别的核心步骤， 其 目的是找到一种变换，将一个N维观测数据空间变换为维数相对小的M 维特征空间(MN)，从而 消除模式中数据的冗余，但却保留了模式分类所需的关键特征，中心投影变换[2]就是这样一种变换，在 对图像进行中心投影变换后，二维图像数据模式变换为一维数据模式 (一维信号)．下面先介绍中心投影 变换．假设一个二维模式已表示成二值