基于特征显著性的多特征融合车牌定位算法

基于特征显著性的多特征融合车牌定位算法

ID:38676782

大小:262.31 KB

页数:4页

时间:2019-06-17

基于特征显著性的多特征融合车牌定位算法_第1页
基于特征显著性的多特征融合车牌定位算法_第2页
基于特征显著性的多特征融合车牌定位算法_第3页
基于特征显著性的多特征融合车牌定位算法_第4页
资源描述:

《基于特征显著性的多特征融合车牌定位算法》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第25卷第12期控制与决策2010年12月Vol.25No.12ControlandDecisionDec.2010文章编号:1001-0920(2010)12-1909-04基于特征显著性的多特征融合车牌定位算法陈振学,常发亮,刘成云(山东大学控制科学与工程学院,济南250061)摘要:在分析已有车牌定位技术以及目标检测共有特性的基础上,提出了基于视觉显著性的特征选择方法.算法依据先验样本的统计学习,利用导致最小错误概率判决方法,得到目标的特征显著性分析.在车牌定位过程中,根据得到的特征显著性序列,

2、依次赋予特征不同的权值,然后采用融合的方式得到所需要的车牌区域.实验结果表明,该算法提高了使用单一特征进行车牌定位的准确率.关键词:特征显著性;特征选择;最小错误概率;多特征融合;车牌定位中图分类号:TP391文献标识码:AMulti-featuresfusionlicenseplateslocatingalgorithmbasedonfeaturesalienceCHENZhen-xue,CHANGFa-liang,LIUCheng-yun(SchoolofControlScienceandEngi

3、neering,ShandongUniversity,Ji’nan250061,China.Correspondent:CHENZhen-xue,E-mail:chenzhenxue@sdu.edu.cn)Abstract:Basedontheanalysisoflicenseplatestechniqueandthecommonnessoftargetdetection,thefeatureselectionmethodbasedonvisionsalienceisproposed.Accordin

4、gtoprior-sampletrainingandminimumprobabilityoferror,featuresalienceisobtained.Inreallicenseplatelocation,themoresalientfeaturesaregiventhelargerweights.Then,thesystemfusesthemulti-featurestolocatelicenseplates.Experimentalresultsshowthattheproposedmetho

5、dhasbetteridentifyratethansinglefeature.Keywords:Featuresalience;Featureselection;Minimumprobabilityoferror;Multi-featuresfusion;Licenseplatelocation1引引引言言言随机图像中找到一块具有某种特征的感兴趣区域,这汽车牌照的自动识别是一种重要的交通信息种特征便是车牌本身区别于其他非车牌图像的特获取技术,而车牌定位是车牌识别技术的关键部征.因此,车牌定位是典型的

6、复杂背景下的目标检测分[1,2].在这方面已有很多学者作了研究,提出了多种问题.而实际上,不同的特征在目标检测中的重要程车牌定位方法.Elliman[3]提出的纹理定位方法是利用度是不同的,越显著的特征越能保证检测结果的准确字符的纹理特征定位车牌,对于光照不均匀、牌照倾性,而不显著的特征对于检测往往只起到辅助作用.斜和变形等情况定位较好.但应用于背景复杂的图像本文在分析人类视觉注意机制的基础上,利用统时,很容易把一些纹理分布比较丰富的其他非车牌区计意义上的最小错误率定义了特征的显著性差异,并域也定位进

7、来.王义兴等[4]从彩色车辆的牌照底色和将得到的显著性分析结果应用于多特征融合车牌定字符颜色固定搭配的特点出发,构造颜色搭配掩模矩位算法.阵来定位车牌.王枚等[5]提出了一种融合灰度边缘和2基基基于于于最最最小小小错错错误误误率率率的的的特特特征征征选选选择择择颜色特征检测,并进行目标真实性验证的车牌定位算由于受背景的干扰和成像条件的限制,目标实法.时特征存在着很大的不确定性,显著性度量准则不应车牌定位从图像处理的意义上来说,是要从一幅是具有确定形式的函数,而应是一个感知经验的统计收稿日期:2010-

8、05-09;修回日期:2010-08-02.基金项目:国家自然科学基金项目(60975025);教育部博士点专项基金项目(200901311200390);中国博士后科学基金特别项目(200902563);中国博士后科学基金项目(20080441123);教育部留学回国人员启动基金项目.作者简介:陈振学(1977−),山东昌邑人,男,副教授,博士后,从事目标检测与跟踪、生物特征识别等研究;常发亮(1965−),男,山东寿光人,教授,博士生导师,从事机器视

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。