改进的KMeans算法实现车牌字符的分割.doc

实验 改进的K-Means算法实现车牌字符的分割 车牌识别的一般过程：车牌定位--- 字符分割--- 字符识别。本实验实现了前两步。 车牌定位从大体上分为两种，基于灰度和基于底纹，本程序结合了以上两种方法实现了车牌精确定位，即先基于灰度图像得到一个大概的位置，然后再根据底纹实现精确定位。不失一般性，本人设计了只针对蓝底白字（车牌有四种：蓝底白字、黑底白字、白底黑字、黄底黑字）的车牌设计了算法，现实中，蓝底白字占了车牌的绝大多数。 字符分割是本实验的重点。车牌分割有很多方法, 如神经网络算法、水平投影、点阵结构等。因为车牌识别要求是实时，要求具有很快的响应速度。所以字符分割这一步对车牌字符的最终识别和整个程序运行效率有很重要的影响，本实验基于K-Means聚类算法思想实现了字符分割，因为车牌规定是7位的，所以K取7。另外本实验对K-Means算法进行了改进，充分考虑了初始点的设置及迭代结束条件。实验结果证明这种改进的K-Means算法实现车牌字符分割是快速、有效的。 整个算法用VC++6.0实现。 一、实验目的 （1）掌握图像数据挖掘的基本方法 （2）K-Means聚类算法完成车牌字符分割（重点） 基本功能要求： (1)实现车牌的精确定位 (2)对K-Means聚类算法进行改进，即如何进行初始点和迭代条件的确定，快速完成车牌字符分割。 三、算法设计 本算法分为二部分，车牌定位和