模式识别应用-车牌识别.ppt

《模式识别应用-车牌识别.ppt》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、模式识别应用——车牌识别模式识别系统的组成：信息获取预处理特征提取和选择分类器设计和分类决策信息获取机器识别：计算机获取模式信息即实现观察对象的数字化表达。待识别的样本大都是非电信息，例如语音信号、待识别文本、图像等，这就需要将这些以各种不同形式表现的信息通过传感器转换成电信号。如用话筒将声音信号转换成电信号。景物信息在摄像机靶面成像并转换成二维的像素矩阵，每个像素（矩阵元素）的电信号与物体表面反射的光强或颜色信息呈现函数关系。预处理预处理主要是指去除所获取信息中的噪声，增强有用的信息，及一切必要的使信息纯化的处理过程。图像信息的预处理：几何

2、校正、图像增强、图像还原等。例如，从图像中将汽车车牌的号码识别出来，就需要先将车牌从图像中找出来，再对车牌进行划分，将每个数字分别划分开。做到这一步以后，才能对每个数字进行识别。以上工作都应该在预处理阶段完成。原始数据是由所使用的测量仪器或传感器获取的，这些数据组成的空间叫测量空间。样本是用特征进行描述的，识别与训练都是在特征空间中进行的。特征提取模块将原始测量数据转换成能反映事物本质、有效方式表示的信息，从而使分类器能根据这些信息决定样本的类别。特征提取模块的功能是：对所获取的信息实现从测量空间到特征空间的转换。通常用于描述模式性质的特征很

3、多，需要从一组特征中挑选出一些最有效的特征以降低特征空间维数，即特征选择。特征提取和选择分类决策模式识别系统工作有两个过程，一是样本训练，二是分类决策。样本训练：在已确定的特征空间中，对作为训练样本的数据进行特征提取与选择，得到它们在特征空间的分布，依据这些分布决定分类器的具体参数。分类决策：分类器在分界形式及其具体参数都确定后，对待分类样本进行分类决策的过程。分类决策是对事物辨识的最后一步。识别事物（决策）的基本方法：同一类事物之间属性应比较近似，而不同类事物之间的属性之间应差异较大。这种现象表现在特征空间的分布中往往表现出同类事物的特征向

4、量聚集在一起，聚集在一个相对集中的区域，而不同事物则分别占据不同的区域。因此，如果待识别的事物的特征向量出现在某一类事物经常出现或可能出现的区域内，该事物就被识别为该类事物。决策依据：在特征空间中哪个区域是某类事物典型所在区域需要用数学式子划定，这样一来，满足这种数学式子与否就成为分类决策的依据。如何确定这些数学式子就是分类器设计的任务，而一旦这种数学式子确定后，分类决策的方法也就确定了。汽车车牌识别系统汽车车牌识别系统图像输入车牌提取（牌照定位与分割）车牌字符识别汽车车牌识别——图像采集地感线圈感应压力；40ms后进入最佳识别区；触发相机拍

5、照汽车车牌识别——图像采集首先，从摄像头取得彩色的包含车牌的图像。在摄像机前方的检测点安装传感器，当汽车通过检测点时，传感器向主机发出信号，系统自动摄下车辆的图像，并将图像输入计算机。这是在一个收费站前拍摄的交费车辆的照片，在收费站的车牌识别系统中，车辆是静止的，因此不用进行针对运动模糊等的预处理。车牌定位是在包含车辆的图像中找到牌照区域的位置，并把牌照区域分割出来，得到牌照图像。也可称这部分为牌照定位与分割。牌照定位决定其后的车牌字符识别，因此牌照定位是识别系统的关键。汽车车牌识别——车牌定位与分割经过大量实验数据发现，车辆牌照一般具有以下

6、特征:目前车辆牌照的具体排列格式是由一个省份汉字(军警牌则为其他字)后跟字母或阿拉伯数字组成的7个字序列。除第一个汉字外，字母或数字的笔画在竖直方向都是连通的。标准车牌的具体排列格式是:X1X2·X3X4X5X6X7X1是各省、直辖市的简称或军警（多数为红色）、外交标志（例如：大使馆车辆白底黑字）X2是英文字母X3X4是英文字母或阿拉伯数字X5X6X7是阿拉伯数字。(2)车辆牌照区域牌底与牌字颜色相差较大，边缘非常丰富。(3)车辆牌照子图像区域长高比例一定，车牌原始尺寸每个字宽45mm，字高90mm，间隔符宽10mm，每个单元间隔12mm。

7、根据汽车牌照的特点，需要充分利用这些特征，并结合一系列图像处理，对车辆牌照进行定位与分割。三个主要步骤：特征提取：灰度化、灰度拉伸、边缘检测粗略定位精细定位车牌特征提取的第一步——灰度化为了便于后续的快速图像处理，以及对不同颜色的车辆牌照进行统一处理，需要把摄像头拍到的含车辆的图像由24位真彩色转化成灰度图。一般采用现行标准的平均值法:其中:g表示灰度化后的灰度值：R、G、B分别表示原真彩色图中的红、绿、蓝分量。车牌特征提取的第二步——灰度拉伸对灰度化的图像进行对比度拉伸，把感兴趣的灰度范围拉开，使得该范围内的像素亮的更亮、暗的更暗，使图

8、像的边缘更加凸显。灰度拉伸可以使牌照区域的笔画特征更明显，有益于下一步的边缘检测。假设原图像的灰度分布函数为f(x，y)，像素灰度分布范围为［a,b］。根据图像处理