车牌识别简介.pptVIP

车牌识别简介 2009年12月 车牌识别的基本过程 车牌定位 车牌字符分割 车牌字符识别 1. 车牌定位 车牌的基本特征 彩色边缘检测与区域生长相结合的牌照定位方法 基于边缘颜色对的车牌定位方法 基于小波变换的车牌定位方法 利用神经网络的方法定位牌照 基于遗传算法的车牌定位方法 基于矢量量化的方法 基于MeanShift的车牌定位方法 2. 车牌字符分割 基于灰度图像垂直投影的字符分割方法 基于连通域的字符分割方法 3. 车牌的字符识别 拓扑描述子 矩特征 7个不变矩 角点特征 Harris算子 Moravec算子 基于字符结构特征分析的方法 采用多级分类方法，充分利用车牌汉字图像的空间结构特征(像素空间分布投影，字符的笔段类型、数量及拓扑关系等)实现车牌汉字的快速识别。 这种方法对字符的旋转、变形、缩放具有一定的适应性，但需要进行复杂的笔划分析和抽取，且对车牌图像质量要求比较高。 模板匹配法 该方法是实现离散输入模式分类的有效途径之一，其实质是度量输入模式与标准模式之间的某种相似性，取相似性最大者为输入模式所属类别。根据字符的直观形象抽取特征，用相关匹配原理进行识别，即将输入模式与标准模板在一个分类器中进行匹配。 由于车辆牌照字符只有20多个大写英文字母，10个阿拉伯数字和约50个汉字，字符集比较小，所以可以把所有这些可能的字符制成标准模板，采用模板匹配的方法。这种识别方法简单、快速，但识别率低、误识别率高。 基于小波变换的方法 对标准字符和分割好车牌字符进行正交小波变换获取低频系数和高频系数，构造低频系统矢量和高频系统矢量，定义隶属函数，设定阀值，并定义加权矩阵。先将待识别字符的低频系数矢量与标准字符的低频系数矢量比较，再比较高频系数矢量，最终获得识别结果。 小波变换是一种信号的时间一一尺度(时间一一频率)分析方法。小波变换的基本思想是通过伸缩及平移将原始信号分解为一系列具有不同空间分辨率，不同频率特性和方向特性的子带信号。这些子带信号具有良好的时域和频域特性。这些特性可以用于表示原始信号的局部特征和概貌特征，因此可以用来对图像目标进行识别。 基于神经网络的方法 车牌中的字符由汉字、英文字母及数字组成，基于神经网络的字符识别算法一般包括以下几个步骤: (1)首先对分割出来的字符样本进行预处理(包括归一化等); (2)提取样本字符特征; (3)将特征送到神经网络中训练，训练好的神经网络对特征敏感; (4)将待识别字符预处理提取特征后送到训练好的神经网络中进行识别。 基于VTD，HTD字符识别方法 是基于VTD，HTD字符识别方法的完整步骤，其中包括8个步骤: 步骤1，提取特征向量。20x35个像素 字符“2”的水平特征向量HTD为: 11112221111l1111l11111111111l11111，垂直特征向量VTD为: 0112222233333333222。 车牌图象的特点 牌照的尺寸、字间距、字数和字体基本统一； 车牌：宽440mm，高140mm 字符：宽45mm，高90mm 车牌部分的图象颜色与背景一般具有明显的差异，并且字符和背景各自的灰度基本均匀； 牌照文字周围有一类似于长方形的边框；边框内部边缘信息丰富，呈现一定的纹理特征； 车牌字符集为有限字符集，主要包括约50个汉字、25个字母和10个数字。 步骤2，建立特征向量库。 提取一组标准字符的特征向量，建立特征向量库。我国采用的普通汽车牌照中的字符共包括31个中文汉字，24个大写英文字母以及10个阿拉伯数字，共65个字符。 步骤3，建立相近字符集。 A和4;P和9;B和8;D和O;T和L:7和1 步骤4，扫描待识别字符的特征向量 步骤5，计算相似度。 步骤6排列相似度 步骤7，判断识别结果。 步骤8，二次识别。 以字符“A’’和字符“4”为例，虽然它们的上半部分水平相似度，大小几乎一样，但是它们的下半部分水平相似度却有明显不同。 P和9，B和8，需要对它们垂直特征向量VTD进行划分 其他技术要点 倾斜校正 * * Knowledge Base System Image Acquisition System Image Recognition and Interpretation System Image Segmentation System Preprocessing System (Enhancement And Restoration) Image Representation and Description System 图像处理的基本步骤 基于二值图像垂直投影的字符分割方法 基于Hough变换拟合直线的水平分割方法 孔(H) 连通分量(C) 欧拉数 (E=C-H) 骨架和端点 基于模板匹配的车