自动识别技术05.ppt

二值化：由于彩色图像所含信息量过于巨大，在对图像中印刷体字符进行识别处理前，需要对图像进行二值化处理，使图像只包含黑色的前景信息和白色的背景信息，提升识别处理的效率和精确度。 图像降噪：由于待识别图像的品质受限于输入设备、环境、以及文档的印刷质量，在对图像中印刷体字符进行识别处理前，需要根据噪声的特征对待识别图像进行去噪处理，提升识别处理的精确度。 倾斜校正：由于扫描和拍摄过程涉及人工操作，输入计算机的待识别图像或多或少都会存在一些倾斜，在对图像中印刷体字符进行识别处理前，就需要进行图像方向检测，并校正图像方向。 文字特征抽取 单以识别率而言，特征抽取可说是 OCR的核心，用什么特征、怎么抽取，直接影响识别的好坏。 特征可分为两类： 统计的特征，如文字区域内的黑/白点数比，当文字区分成好几个区域时，这一个个区域黑/白点数比之联合，就成了空间的一个数值向量，在比对时，基本的数学理论就足以应付了。 结构的特征，如文字影像细线化后，取得字的笔划端点、交叉点之数量及位置，或以笔划段为特征，配合特殊的比对方法，进行比对，市面上的线上手写输入软件的识别方法多以此种结构的方法为主。 对比数据库：当输入文字算完特征后，不管是用统计或结构的特征，都须有一比对数据库或特征数据库来进行比对，数据库的内容应包含所有欲识别的字集文字，根据与输入文字一样的特征抽取方法所得的特征群组。 对比识别 充分发挥数学运算理论的一个模块，根据不同的特征特性，选用不同的数学函数。 较有名的比对方法： 欧式空间的比对方法、松弛比对法（Relaxation）、动态程序比对法（Dynamic Programming，DP）、类神经网络的数据库建立及比对、HMM（Hidden Markov Model） 字词后处理：由于OCR的识别率并无法达到百分之百，或想加强比对的正确性及信心值，一些除错或甚至帮忙更正的功能，也成为OCR系统中必要的一个模块。字词后处理就是一例，利用比对后的识别文字与其可能的相似候选字群中，根据前后的识别文字找出最合乎逻辑的词，做更正的功能。 字词数据库：为字词后处理所建立的词库。 人工校正 一个好的OCR软件，除了有一个稳定的影像处理及识别核心，以降低错误率外，人工校正的操作流程及其功能也影响OCR的处理效率。 文字影像与识别文字的对照、屏幕信息摆放的位置、每一识别文字的候选字功能、拒认字的功能、及字词后处理后特意标示出可能有问题的字词，都是为使用者设计尽量少使用键盘的一种功能。 结果输出 有人要文本文件，有人要和输入文件一样的原文重现，有人注重表格内的文字……无论怎么变化，都只是输出档案格式的变化而已。 识别系统性能的评价 对一个手写数字识别系统，可以用三方面的指标表征系统的性能： 正确识别率A=正确识别样本数/全部样本数*100% 替代率（误识率）S=误识样本数/全部样本数*100% 拒识率R=拒识样本数/全部样本数*100% 三者的关系是：A+S+R=100% 识别精度P=A/(A+S)*100%。 五、汽车牌照自动识别系统 车牌识别是现代交通管理的重要措施，是智能交通系统的重要环节。 内容 车牌识别系统是采用数字摄像技术和计算机信息管理技术，对运行车辆实现智能管理的综合运用技术 理论基础 数字图像处理和模式识别 车牌识别技术具有典型性，容易推广到其它识别对象。 主要应用领域 公安卡口 高速公路收费管理 城市道路监控系统（电子警察） 海关车辆管理 停车场管理 车辆流量统计 …… 车牌识别系统组成 识别流程 主要由三部分组成 图像捕获一般采用CCD（Charge-coupled Device，电荷耦合元件）摄像头，包括整车图像或牌照（一般为彩色图像） 后两步由计算机实现 关键是第三步：字符识别（OCR） 识别步骤（不是唯一的） 获取整车或局部图像； 对获取的车辆数字图像进行预处理； 车牌定位； 二值转换； 车牌分类； 车牌分割； 字符识别； 结果优化（车牌模糊识别）。 车牌定位 通过车牌区域的特征来判别牌照的位置，将车牌从图像中分割出来。 步骤 彩色图像灰度化 图像增强 边缘检测 模板匹配 输出牌照子图像 CCD捕获的汽车图像 彩色图像灰度化 灰度增强改变对比度 定位、分割后输出 车徽边缘提取与识别 车牌图像特征 车牌定位与分割的理论与方法是根据车牌图像的特点来确定的。 车牌图像主要特征 车牌区域内的边缘灰度直方图统计特征 车牌的几何特征 车牌区域的灰度分布特征 车牌区域的水平、垂直投影特征 车牌形状特征和字符排列格式特征 车牌的形态学特征 频谱特征 车牌图像的组成 内容：省份简称汉字（或其他汉字）+字母或阿拉伯数字，共7位，即 ：X1X2?X3X4X5X6X7 例：辽B?6371A 尺寸：宽 45mm、高 90mm、间隔符宽10mm、