原文传递
低质量车牌汉字字符识别技术研究
| 论文题名： | 低质量车牌汉字字符识别技术研究 |
| 关键词： | 车牌汉字字符识别;分形维数;小波变换;核主成分分析;支持向量机;智能交通系统 |
| 摘要： | 车牌自动识别系统利用计算机视觉、图像处理、模式识别等技术从汽车图像中提取车辆牌照信息,是实现智能交通系统的关键环节之一。车牌自动识别技术研究具有重要的现实意义和广阔的应用前景。 车牌字符识别是车牌自动识别系统中的核心技术,主要包括车牌英文字母字符识别、车牌数字字符识别和车牌汉字字符识别。目前,低质量的车牌字符识别技术是个难点,具有挑战性。 本文在查阅大量中外文献的基础上,对低质量的车牌字符识别技术进行了研究,提出了两种车牌汉字字符识别算法。 提出了基于分形维数和二维离散小波变换的车牌汉字字符识别算法。其基本思路是基于分形维数和二维离散小波变换技术进行特征提取,然后利用SVM分类器进行字符识别。首先,对车牌图像进行预处理；其次,依据车牌图像特定的高宽比,根据特征提取所需的汉字字符各部分,拼接出分形维数算法所必需的正方形图像；然后,求取整个字符图像、局部图像以及小波变换各方向分量的分形维数组成特征向量；最后,应用支持向量机技术设计分类器进行汉字字符识别。实验结果表明,由于分形图像良好的自适应性,该算法能较好的识别出存在污迹、褪色和断裂等低质量的的车牌字符图像。特别是应用了二维离散小波变换,更好地抑制了噪声,提高了字符识别率。 提出了一种融合小波变换和KPCA的车牌汉字字符识别算法。其特色是将小波变换和KPCA技术相结合进行特征提取,提高了算法的鲁棒性。首先,对字符图像进行分块操作；其次,对每块子图像求两层小波系数并提取小波系数的核主成分作为分块特征；然后将分块特征相融合构建特征向量；最后,利用SVM分类器进行字符识别。实验结果表明,该算法对模糊图像具有鲁棒性,表现出更好的字符识别效果。 |
| 作者： | 冯宇 |
| 专业： | 计算机应用技术 |
| 导师： | 李文举 |
| 授予学位： | 硕士 |
| 授予学位单位： | 辽宁师范大学 |
| 学位年度： | 2011 |
| 正文语种： | 中文 |
检索历史
应用推荐
