原文传递
基于实域粗糙集的图像认知词袋模型与缺陷车牌识别研究
| 论文题名： | 基于实域粗糙集的图像认知词袋模型与缺陷车牌识别研究 |
| 关键词： | 车牌字符;图像识别;实域粗糙集;词袋模型;认知机制;规则融合 |
| 摘要： | 模式识别是人工智能领域的研究热点之一，具有广泛的应用前景。本文针对传统模式识别方法对具有车牌破损、图像变形、字体污损等现象的车牌字符识别存在一定局限性问题，基于实域粗糙集理论与图像认知词袋模型，构建了一种车牌字符图像识别决策信息系统，通过变信息粒度原理对车牌字符图像特征词袋模型进行约简，探索了一种变信息粒度仿反馈认知机制，以提高缺陷车牌字符识别精度。 本文的主要工作如下: 1.给出了一种基于实域粗糙集的车牌字符图像识别决策信息系统构建方法。分析车牌字符图像的特征模式，建立车牌字符图像认知词袋模型，以车牌字符图像的多种特征组合的高维特征向量作为条件属性，以车牌字符图像的真实属性作为决策属性，构建车牌字符图像识别决策信息系统，有效扩展了传统模式识别特征表征与提取方法的完备问题。 2.建立了一种基于实域粗糙集的车牌字符图像特征属性约简方法。定义了车牌字符图像特征属性的属性重要度及特征分类能力熵测度指标，给出了对车牌字符图像特征词袋模型条件属性的约简算法，有效改善了传统粗糙集方法中属性重要度定义不明确以及少量噪声数据干扰引起的不一致性而影响整体分类关系的问题。 3.提出了一种车牌字符图像识别变信息粒度仿反馈认知机制。依据粒度原理，通过仿反馈调节机制优化训练样本特征集认知信息粒度，获取车牌字符图像特征认知词袋模型的最优约简特征识别集，并给出了基于变粒度仿反馈认知机制的车牌字符图像智能认知算法，有效改进了传统模式识别系统单向开环方式难以实现的仿人认知事物时由粗到精、由繁到简、有层次反复收集和处理信息的过程，从而提高车牌识别的正确率。 4.探讨了一种车牌字符识别规则融合方法。针对车牌字符识别过程中的车牌字符图像词袋特征属性难以完整匹配而导致的拒识问题，设计了一种双层分类器对约简后的车牌字符图像识别决策信息系统的决策规则进行融合，提取出待识别词袋的真实属性，再根据复连卷积神经网络理论建立在有限信息容量下的充分性评判约束条件进行决策，为存在车牌破损、图像变形、字体污损等现象的缺陷车牌字符识别提供探索了一种有效途径。 为了验证所提出的方法和算法，本文采用了中山大学OpenITS平台公布的车牌字符图像样本库中的45类共1402个车牌字符图像样本，以Matlab、Visual Studio2013软件作为实验平台，对本文提出的算法进行了验证。实验结果表明，本文提出的方法和算法是可行有效的。 |
| 作者： | 王芳元 |
| 专业： | 模式识别与智能系统 |
| 导师： | 王建平 |
| 授予学位： | 硕士 |
| 授予学位单位： | 合肥工业大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
