基于粗网格神经网络的车牌字符识别方法

基于粗网格神经网络的车牌字符识别方法

ID:36504135

大小:365.36 KB

页数:5页

时间:2019-05-11

基于粗网格神经网络的车牌字符识别方法_第1页
基于粗网格神经网络的车牌字符识别方法_第2页
基于粗网格神经网络的车牌字符识别方法_第3页
基于粗网格神经网络的车牌字符识别方法_第4页
基于粗网格神经网络的车牌字符识别方法_第5页
资源描述:

《基于粗网格神经网络的车牌字符识别方法》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、2007年07月沈阳建筑大学学报(自然科学版)Jul.2007第23卷第4期JournalofShenyangJianzhuUniversity(NaturalScience)Vol123,No14文章编号:1671-2021(2007)04-0693-05基于粗网格神经网络的车牌字符识别方法1121吴成东,刘文涵,傅小菲,丛明(11沈阳建筑大学信息与控制工程学院,辽宁沈阳110168;21中国航天建筑设计研究院(集团),北京100071)摘要:目的为了进一步提高交通车牌字符自动识别能力.方法通过对车牌识别技术国内外

2、现状的分析和对各类车牌识别技术的对比说明,提出了一种基于粗网格神经网络的车牌文字识别方法.该方法先将车牌字符进行预处理,用改进的粗网格法提取字符特征,并用神经网络识别车牌字符.结果在实验过程中所用的字符是从实际拍摄的车辆牌照图像中提取的汉字、英文大写字母和数字.人工提取的汉字种类覆盖了我国现有车辆牌照中出现的大部分汉字,而字母和数字的覆盖率为100%.从实验结果看:数字、字母的识别率比较高,尤其是数字,其识别率达到了99116%.结论实验表明:数字、字母易于准确地提取特征,粗网格神经网络车牌字符识别方法具有较高的识别

3、精度和实用价值.关键词:粗网格神经网络;BP算法;特征提取;车牌识别中图分类号:TP391.44文献标识码:A[5-6]近年来,随着交通现代化的发展要求,汽车牌络;最后,用训练好的神经网络识别待识别照自动识别技术已经越来越受到人们的重视.汽的车牌字符.车牌照的自动识别技术在公共安全及交通管理中1字符预处理有着重要的应用价值,车牌的图像识别技术,国外及我国香港地区的研究很多,有的已投入使用,例由于现实环境和拍照角度的原因,分割出来如亚视科技的车牌识别系统.在国内也有众多高的车牌字符可能会产生位置的变化,比如字符的校和科

4、研单位从事研究,例如上海交通大学、浙江倾斜、偏移等导致了对应网格之间的错位,大大降大学、东南大学、南京航空航天大学.此外还有深低了正确的识别率.在对它们进行逐个识别之前,圳吉通电子有限公司的“车牌通”汽车牌照自动识必须把它们的位置和大小归一化到一个标准尺寸别系统、北京安卓思通信技术发展有限公司研制上,为字符识别做准备.的“慧眼2000车牌识别系统”、北京汉王科技有限111位置归一化公司研制的“汉王车牌识别系统”.全天候条件下,为了消除字符点阵位置上的偏差,需要把整这些系统的识别率一般小于90%.个字符点阵图像移动到规

5、定的位置上,这个过程字符识别是车牌识别系统的核心模块,其算称作位置归一化.有两种简单的位置归一化方法:法的优劣直接影响到识别效果的好坏.为了更好一种是基于字符外边框的位置归一化方法;另一地提高识别字符,笔者提出了一种基于粗网格神种是基于质心的位置归一化方法.基于字符外边经网络的车牌字符识别方法.首先,对分割出来的框的归一化需要首先计算字符的外边框,并找出[4]字符样本进行预处理;然后,提取样本字符的中心,然后把字符中心移动到指定的位置上来.基改进粗网格特征,并用所提取的特征训练神经网于质心的归一化方法需要先计算字符的

6、质心,然收稿日期:2007-04-26基金项目:科技部国际合作项目(2003DF020009)作者简介:吴成东(1960-),教授,博士,主要从事智能控制、建筑智能化研究.694沈阳建筑大学学报(自然科学版)第23卷后再把质心移动到指定的位置上来.两种方法相征,又称局部灰度特征.比基于质心的位置归一化方法抗干扰能力更强.211粗网格特征计算字符的质心(xc,yc):粗网格特征通过把字符分成N×N个网格,RTRT统计每个网格中的像素数量,而每个网格各自反xc=66x·f(x,y)/66f(x,y)x=Ly=Bx=Ly=

7、B映字符的某一部分特征,在识别阶段,把各个网格(1)组合起来作为字符的统计特征以此来识别字符.RTRT通常粗网格特征提取方法是先把待识别字符yc=66x·f(x,y)/66f(x,y)(2)x=Ly=Bx=Ly=B进行大小和位置归一化,再等分为N×N个网式中:f(x,y)为字符二值点阵,x表示横坐标方格,然后依次统计各网格内的黑像素的数量,从而向,y表示纵坐标方向.T,B,L,R分别表示字符取得一个以数值表示的N×N维的网格特征.的上、下、左、右边界.现以字符2为例提取粗网格特征.首先把字112大小归一化符2归一化为

8、25×25的比例尺寸(如图1),然后对不同大小的字符做变换,使之成为同一尺再等分为5×5个网格(如图2),接着依次统计每寸大小的字符,这个过程被称作大小归一化.常用一个网格内的黑像素(如图3),最后得到一个以的大小归一化方法也有两种:一种是将字符的外数字表示的5×5的网格特征(如图4).边框按比例现行放大或缩小成为统一尺寸的字符;另一种是根据水

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。