基于中心投影变换的车牌字符识别

《基于中心投影变换的车牌字符识别》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、第31卷第1期湖北大学学报(自然科学版)V01．31No．12009年3月JournalofHubeiUniversity(NaturalScience)Mar．，2009文章编号：1000—2375(2009)01—0027—03基于中心投影变换的车牌字符识别柳欣，吴杰(湖北大学数学与计算机科学学院，湖北武汉430062)摘要：传统的运用分形理论对车牌进行识别的方法不能有效地解决字符的平移性和旋转性．在对车牌字符矩形区域进行切分基础上首先运用中心投影变换方法，然后求出字符分形曲线的分形维数，进行识别．试验结果表明，此方法更有效，

2、识别率更高．关键词：分形维数；中心投影变换；车牌字符中图分类号：TP751文献标志码：A在车牌识别领域中，车牌字符识别一直是比较关注的课题．车牌字符实际上是依附在车牌上的印刷体字符，但与印刷字符识别相比，有其自身的特点．车牌采集过程中，光照条件经常变化，并且受天气状况的影响，各种干扰也不可预测，导致实际取到的牌照的图像由于光照度、触发位置的不同，字符的大小、粗细、位置及倾斜角度都不一样．另外，牌照的旋转等原因使得车牌自动识别系统准确率不高．域内字符是提高汽车自动识别系统识别率的关键，这对字符识别方法具有很高的要求．在这个问题上，笔

3、者利用分形理论对车牌矩形区域内的字符识别进行了深入的研究，利用分形理论，把中心投影变换运用到车牌字符识别当中，取得了较好的效果．1分形与分形维数分形(Fracta1)_1]是非线性科学中的一个活跃分支，由美籍法国科学家B．B．Mandelbrot在2O世纪70年代中期创立．在Mandelbrot最初的论述中，他定义分形是其Hausdorff维数严格大于拓朴维数的集合，并强调分形图形具有自相似性的特点．随着分形理论的发展，分形理论在图象处理中也得到了广泛的应用，如模拟自然景物生成、图象分割、纹理特征提取、纹理分类和图象编码压缩等．维

4、数是集合对象的一个重要特征量，通常的“维数”概念指的是为了确定集合对象中一个点的位置所需要的独立坐标的数目，我们知道点是0维的，直线是一维的，平面是二维的，立方体是三维的，但是自从1919年起，豪斯道夫(Hausdorff)等数学家们补充了某些维数不再是整数的理想化图形，他们的维数可以是一个分数，如I／2，3／2，5／2，也可以是一个无理数，如log3／log4，1．2618⋯，甚至可以是一个复杂方程的解，这是一种新的维数，称为分形维数．分形维数已经成为研究分形的主要工具，有豪斯道夫维数，盒维数以及自相似维数等．其中盒维数(Box

5、Dimension)的实际计算和估计都比较容易，是应用最广泛的一种维数，在分形的理论与应用中起到了极其重要的作用．其定义为设集FCR，记NE(F)是可以覆盖F边长为￡的维立方体的最少个数，则F的盒维数D定义为(当极限存在时)D=limlogN~(F)／(-logs)(1)在实际计算时，根据上式计算的不同的r值对应的N，值，绘出(1g(N，)，-lg(r))关系图，利用一条直线去拟合图上的点，通过求出图中直线的斜率，即可确定目标图象的盒维数D．收稿日期：2008—03—25基金项目：国家自然科学基金(604O3011)资助作者简介：

6、柳欣(1982一)，男，硕士生28湖北大学学报(自然科学版)第31卷2中心投影变换在模式识别中，特征是用来辩识一类模式与另一类模式的不同，特征抽取是模式识别的核心步骤，其目的是找到一种变换，将一个N维观测数据空间变换为维数相对小的M维特征空间(M

7、D(2)．1．IU，OLIlerWlse其中D表示二值图像的白色区域(背景区)，可见目标区的灰度值都为0．设目标区的重心为m(xo，Y。)，目标区中各像素与重心m(x。，Y。)的最大距离，设为M：M=maxN(x，)DIN(x，)一(0，Yo)l(3)此外IN(x，)一(z。，Y。)l表示N和m两点之间的欧氏距离．假设{)是图像的中心距，那么图像的主轴对z轴的倾角a有表达式：tana竺竺(4)／zzo／xoza又叫图像的主角，从以上表达式可以看出，只要计算出3个二阶中心矩，便可确定主轴的取向．进一步，可以把二值图像原始的笛卡尔坐标

8、系通过以下关系式转化为极坐标系(极坐标系的原点对应图像frcosO的重心)：{．(5)lY—rslng其中rEEo，∞]，OE，27r+a]．对固定的M，计算以下积分：，()一Ip(rcosO，rsinO)dr(6)p(x，．y)表示笛卡尔坐标系中