论文部分内容阅读
车牌字符识别问题是车牌识别系统的核心技术问题,是智能交通系统的关键组成部分,是目前该领域研究的热点问题之一。本文以定位得到的蓝底白字彩色的车牌照图像作为样本,分别对车牌字符识别系统的组成部分——字符分割、字符特征提取、字符分类器设计进行了研究,主要内容概括如下:1.车牌字符分割部分:在对车牌照图像进行预处理的基础上,本文提出一种基于车牌先验知识的改进水平投影法来实现车牌字符分割。实验证明,该方法是可行的。2.车牌字符特征提取优化部分:本文首先对车牌进行了平滑滤波去噪及归一化等预处理,然后在分析常用字符特征提取方法的基础上,提出了一种综合特征提取法——粗网格与粗外围融合的特征提取法+主成分分析(PCA)特征约简法。3.基于BP网络的车牌字符识别部分:在研究BP神经网络结构设计、参数设置以及运行优缺点的基础上,提出了一种增加动量项、引入自适应学习速率的改进BP网络;针对车牌字符分布特点及种类不同,设计了汉字、字母、数字、字母和数字4类分类器,并比较了字符经粗网格与粗外围融合法得到的特征向量在PCA约简优化前后的识别速度和识别率。实验表明:经过PCA约简优化的特征向量在改进BP网络下识别速度更快,识别率更高。4.基于LSSVM的车牌汉字识别探索部分:考虑到车牌汉字样本集少、字形复杂等难点问题以及SVM分类的优势,提出了运用LSSVM工具箱进行探索。首先采用“一对多”策略、选用径向基核函数构建了LSSVM汉字识别多分类器,然后选用了车牌汉字字符经粗网格与粗外围融合法得到的特征向量和再经PCA约简优化综合提取后的特征向量进行实验,并对实验结果进行了比较。实验表明:在不进行PCA特征约简优化的情况下,LSSVM仍具有较高的识别率,性能优于改进的BP网络。