- 1、本文档共15页,可阅读全部内容。
- 2、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。
- 3、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。
- 4、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)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、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。
- 7、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。
- 8、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
查看更多
基于权系数标识符矩阵车牌字符识别方法
基于权系数标识符矩阵车牌字符识别方法
摘 要: 为了提高对车牌字符的准确识别能力,提出了一种基于权系数标识符矩阵的模板匹配车牌字符识别方法。具体方法是在进行字符识别前为每一个车牌字符制定一个标准化的模板,再将每一个模板字符的像素依据像素区域、像素边缘区域和非像素及非像素边缘区域等标记成不同的区域,并依此为基准生成一个模板矩阵。根据车牌字符闭合区域个数及字符二值图像中间行、中间列黑白跳变次数,可将字符分为10类。进行字符识别时,首先判定待识别字符属于哪一类,然后与所在类的每一个字符的标准模板进行匹配,统计待识别字符落在每一个标准模板矩阵的不同区域的像素数,并根据不同区域的不同权值计算相似度值,相似度值最大的即为识别结果。该方法采用两级分类法对车牌字符图像进行分类,再采用基于权系数标识符矩阵的模板匹配法对车牌字符进行识别。实验结果表明,该方法提高了识别结果的准确度,对于存在字符断裂以及形状相似而容易混淆的字符有较好的识别效果。
关键词: 车牌字符识别; 权系数标识符矩阵; 模板匹配; 闭合区域检测; 像素值跳变特征
中图分类号: TN919?34; TP391.41 文献标识码: A 文章编号: 1004?373X(2013)24?0001?04
License plate character recognition based on weight coefficient identifier matrix
LI Zhi?min1, JI Mei?ping1, XUE Ping2, DAI Gao2, XIE Xian?bao2
(1. Chongqing University, Chongqing 400044, China; 2. Chongqing Yibo Digital Technology Co., Ltd., Chongqing 400060, China)
Abstract: In order to improve the accuracy of license plate recognition, a license plate character recognition method matching with a template based on weight coefficient identifier matrix is proposed. The specific method is to develop a standardized template for each license plate character before character recognition. Each standard template character is divided into three parts: pixel area, pixel edge region, non pixel and non?pixel edge region, which is taken as a criterion to generate a template matrix. According to the black?to?white jump times of number and character binary image in the middle row and middle line, the quantity of pixles which drops down on different areas of each standardized template matrix from characters under recognition is counted. The similarity value depends on the weights on the area is calculated. The maximum value is the recognition result. The method adopts secondary classification and is based on weight coefficient identifier matrix. The experiment results indicate that the algorithm is able to improve the accuracy of recognition result and has better recognition effect for the characters in which the fractures and shape simil
文档评论(0)