【文章內(nèi)容簡(jiǎn)介】 字母庫(kù)與漢字庫(kù)。4. 通過(guò)matlab編程用程序?qū)崿F(xiàn)了一個(gè)比較令人滿(mǎn)意車(chē)牌的字符識(shí)別系統(tǒng)。 結(jié)構(gòu)安排本文共分為五部分:第一部分簡(jiǎn)要介紹了選題的概述及意義，字符識(shí)別技術(shù)中技術(shù)難點(diǎn)。第二部分介紹了車(chē)牌識(shí)別系統(tǒng)國(guó)內(nèi)外研究現(xiàn)狀，以及車(chē)牌字符識(shí)別原理與特點(diǎn)，綜合車(chē)牌識(shí)別中字符的特點(diǎn)制定出車(chē)牌識(shí)別的設(shè)計(jì)方法。第三部分介紹一下自己設(shè)計(jì)的車(chē)牌字符識(shí)別系統(tǒng)的工作原理及實(shí)現(xiàn)步驟。第四部分介紹了實(shí)驗(yàn)的運(yùn)行環(huán)境，并實(shí)驗(yàn)仿真結(jié)果，最后對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析。第五部分即結(jié)論，概括了本設(shè)計(jì)方法的實(shí)驗(yàn)成果。2 . 車(chē)牌識(shí)別系統(tǒng)字符識(shí)別 車(chē)牌字符識(shí)別就是對(duì)分割出的待識(shí)別的字符進(jìn)行識(shí)別處理。車(chē)牌的字符由有限的漢字、英文字母和數(shù)字組成。目前車(chē)牌字符識(shí)別最常用于車(chē)牌字符識(shí)別的方法是模板匹配法，神經(jīng)網(wǎng)絡(luò)字符識(shí)別算法，統(tǒng)計(jì)匹配法。(1) 模板匹配法 事先對(duì)每個(gè)字符建立一個(gè)標(biāo)準(zhǔn)模板，將待識(shí)別圖像變成大小一樣的圖像，將每個(gè)模板與待識(shí)別圖像進(jìn)行逐點(diǎn)比較，并根據(jù)其相似程度而得出識(shí)別結(jié)果。模板匹配的關(guān)鍵在于模板設(shè)計(jì)，在設(shè)計(jì)模板時(shí)，必須使每種模板都和它對(duì)應(yīng)的字符圖像相吻合，但和其它字符則有一定的失配量，根據(jù)所取特征的不同，有圖形匹配、筆劃匹配、幾何特征匹配等幾種形式。該類(lèi)算法的優(yōu)點(diǎn)是識(shí)別率高。缺點(diǎn)是對(duì)字符圖像質(zhì)量要求較高，計(jì)算速度慢，占整個(gè)系統(tǒng)耗時(shí)的40%左右，誤識(shí)率相對(duì)較高。例如，魏武等將模板在車(chē)牌字符區(qū)上左右滑動(dòng)，找到最好的匹配位置，并采用重合度和差別函數(shù)來(lái)度量車(chē)牌字符和標(biāo)準(zhǔn)模板之間的相似程度，并指出為了有效地減少識(shí)別時(shí)間，可以采用基于啟發(fā)式搜索的方法來(lái)有效地減少搜索空間。陳斌等針對(duì)簡(jiǎn)單的模板匹配未能很好地解決在字符與背景對(duì)比不太明顯、字符的大小、筆畫(huà)粗細(xì)有一定變化等情況下的車(chē)牌字符識(shí)別問(wèn)題，提出了松弛模板匹配的方法，對(duì)每類(lèi)根據(jù)不同的閩值二值化生成3 個(gè)模板，綜合比較實(shí)現(xiàn)識(shí)別。馬俊利等在原標(biāo)準(zhǔn)模板的基礎(chǔ)上，通過(guò)對(duì)字符特征區(qū)域的擴(kuò)大，加強(qiáng)注意并對(duì)那些類(lèi)間距離差別較大的字符類(lèi)別制作多個(gè)模板，達(dá)到對(duì)模板的更有效的匹配。(2) 神經(jīng)網(wǎng)絡(luò)字符識(shí)別算法神經(jīng)網(wǎng)絡(luò)理論自20 世紀(jì)中期提出以來(lái)，取得了一系列的研究成果。近年來(lái)，隨著計(jì)算機(jī)技術(shù)和非線(xiàn)性科學(xué)的發(fā)展，神經(jīng)網(wǎng)絡(luò)理論的研究又進(jìn)入一個(gè)新的高潮，其應(yīng)用己經(jīng)滲透到各個(gè)領(lǐng)域，并在智能控制、模式識(shí)別、計(jì)算機(jī)視覺(jué)、生物醫(yī)學(xué)工程等方面取得了巨大貢獻(xiàn)。 用神經(jīng)網(wǎng)絡(luò)進(jìn)行字符識(shí)別，主要有兩種方法：一種方法是先對(duì)待識(shí)別字符進(jìn)行特征提取，然后用所獲得的特征來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)分類(lèi)器。這種方法實(shí)際上是傳統(tǒng)方法與神經(jīng)網(wǎng)絡(luò)技術(shù)的結(jié)合，可以利用人的經(jīng)驗(yàn)來(lái)獲取模式特征，然后充分利用神經(jīng)網(wǎng)絡(luò)的分類(lèi)能力來(lái)識(shí)別字符，其識(shí)別效果與字符特征的提取有關(guān)，而字符的特征提取往往比較耗時(shí)。因此，字符特征的提取就成為研究的關(guān)鍵，特征參數(shù)過(guò)多會(huì)增加訓(xùn)練時(shí)間，過(guò)少會(huì)引起判斷上的歧義。另一種方法是充分利用神經(jīng)網(wǎng)絡(luò)的特點(diǎn)，直接把待處理圖像輸入網(wǎng)絡(luò)，由網(wǎng)絡(luò)自動(dòng)實(shí)現(xiàn)特征提取直至識(shí)別。這種網(wǎng)絡(luò)互連較多，待處理信息量大。這種方法無(wú)需特征提取，由網(wǎng)絡(luò)自動(dòng)識(shí)別字符，抗干擾性能好，識(shí)別率高。但該方法產(chǎn)生的網(wǎng)絡(luò)結(jié)構(gòu)比較復(fù)雜，輸入模式維數(shù)的增加可能導(dǎo)致網(wǎng)絡(luò)規(guī)模龐大?；谏窠?jīng)網(wǎng)絡(luò)的字符識(shí)別算法一般包括以下四個(gè)步驟： 1 對(duì)分割出來(lái)的字符樣本進(jìn)行預(yù)處理； 2 提取樣本字符特征； 3 將特征送到神經(jīng)網(wǎng)絡(luò)中訓(xùn)練，訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)對(duì)特征敏感； 4 將待識(shí)別字符預(yù)處理提取特征后送到訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)中進(jìn)行識(shí)別。 基于神經(jīng)網(wǎng)絡(luò)的車(chē)牌字符識(shí)別方法，對(duì)于解析度較高和圖像比較清晰的車(chē)牌，這些方法能有效識(shí)別車(chē)牌中的字符，但對(duì)于較低解析度和較為模糊的車(chē)牌還有很多工作要做，因?yàn)檫@些方法只有在車(chē)牌中的每個(gè)字符被獨(dú)立分割出來(lái)的前提下才能完成識(shí)別工作，而獨(dú)立分割車(chē)牌取得字符，對(duì)較低解析度和較為模糊的車(chē)牌來(lái)說(shuō)是非常困難的。雖然，神經(jīng)網(wǎng)絡(luò)在識(shí)別效果上提高的余地較大，具有較強(qiáng)的容錯(cuò)能力，還可進(jìn)一步訓(xùn)練學(xué)習(xí)，識(shí)別率較高，但其識(shí)別速度較慢，不能滿(mǎn)足實(shí)時(shí)性的要求。(3) 特征統(tǒng)計(jì)匹配法 特征統(tǒng)計(jì)匹配法的要點(diǎn)是先提取待識(shí)別模式的一組統(tǒng)計(jì)特征，再按照一定準(zhǔn)則所確定的決策函數(shù)進(jìn)行分類(lèi)判決。漢字的識(shí)別是將字符點(diǎn)陣看作一個(gè)整體，根據(jù)每個(gè)字符的筆畫(huà)特征不同，將字符分解為橫、豎、撇、捺、折、圓中的一種或幾種結(jié)構(gòu)特征的集合，經(jīng)過(guò)大量的統(tǒng)計(jì)得到所用特征，再與字符庫(kù)中的特征集合進(jìn)行匹配，從而得到輸入字符的識(shí)別結(jié)果。最常用的方法是網(wǎng)格特征匹配法。然而在實(shí)際應(yīng)用中，由于外部原因的存在常常會(huì)出現(xiàn)字符模糊、字符傾斜等情況，從而影響識(shí)別效果，當(dāng)字符出現(xiàn)筆畫(huà)融合斷裂、部分缺失時(shí)，此方法更加無(wú)能為力。因此，實(shí)際應(yīng)用效果不理想，魯棒性不強(qiáng)。 模板匹配實(shí)現(xiàn)簡(jiǎn)單。當(dāng)字符較規(guī)整時(shí)，對(duì)字符圖像的缺損、污跡干擾適應(yīng)力強(qiáng)且識(shí)別率高。因此，這里將模板匹配作為車(chē)牌字符識(shí)別的主要方法。車(chē)牌的字符識(shí)別對(duì)識(shí)別率要求很高至少需要達(dá)到 90%，模板匹配法應(yīng)用最為成熟，準(zhǔn)確率也最高基本可以達(dá)到準(zhǔn)確率的要求，但是無(wú)法解決消耗時(shí)間較多和在識(shí)別相似字符時(shí)識(shí)別率低的問(wèn)題。因此，如何提高模板匹配法的實(shí)時(shí)性和消除模板匹配法對(duì)相似字符的誤識(shí)別率是車(chē)牌字符識(shí)別方面需要解決的問(wèn)題。 車(chē)牌字符識(shí)別原理與特點(diǎn) 經(jīng)過(guò)多年的研究，對(duì)于標(biāo)準(zhǔn)字體的識(shí)別技術(shù)目前已經(jīng)相當(dāng)成熟，但在車(chē)牌識(shí)別系統(tǒng)中，由于實(shí)際使用條件的影響，存在著許多不利于識(shí)別的因素。與其它字符識(shí)別相比，車(chē)牌字符識(shí)別有其特殊性，主要體現(xiàn)在以下幾點(diǎn)：(1) 字符集小。車(chē)牌上出現(xiàn)的漢字字符為省、自治區(qū)、直轄市或特殊機(jī)構(gòu)的簡(jiǎn)稱(chēng)。加上26 個(gè)英文字符以及10 數(shù)字，字符類(lèi)別不超過(guò)100 類(lèi)。(2) 待識(shí)別的字符圖像小。字符圖像來(lái)源于定位分割得到車(chē)牌圖像，車(chē)牌占車(chē)輛圖像中的比例很小，因此，車(chē)牌字符一般都很小，字符的寬高通常在20～30 個(gè)像素之間，這樣就增加了識(shí)別的難度。(3) 車(chē)牌字符圖像受到的干擾因素多。車(chē)牌識(shí)別系統(tǒng)是全天候工作的系統(tǒng)，由于受到天氣、外界干擾、車(chē)輛運(yùn)動(dòng)、車(chē)牌傾斜以及拍攝角度等因素的影響，導(dǎo)致提取到的車(chē)牌字符圖像中的字符的大小、粗細(xì)、位置及傾斜度都不一樣。另外，車(chē)牌的清晰度、清潔度、新舊底色及光照背景等因素，可能會(huì)使采集到的圖像存在嚴(yán)重干擾，如字符模糊、畸變甚至斷線(xiàn)等。因而，要求所采用的識(shí)別方法具有很強(qiáng)的抗干擾性和環(huán)境適應(yīng)性。(4) 存在一些結(jié)構(gòu)特征非常相似的字符。例如：數(shù)字“2”與字母“Z”，數(shù)字“8”與字母“B”，數(shù)字“5”與字母“S”，數(shù)字“0”、字母“Q”、“D”和“O”等。字符圖像的預(yù)處理待識(shí)別的字符圖像判別（依據(jù)所選方向） 特征提 取 → → → →識(shí)別結(jié)果 ↓字典（特征模板集合） 經(jīng)過(guò)圖像預(yù)處理，得到了二值化的數(shù)字點(diǎn)陣。對(duì)二值化字符圖像進(jìn)行特征提取，針對(duì)字符圖像的特征提取的方法多種多樣，有逐像素特征提取法、骨架特征提取法、垂直方向數(shù)據(jù)統(tǒng)計(jì)特征提取法、基于網(wǎng)格的特征提取法、弧度梯度特征提取法等很多方法。特征提取要保證類(lèi)內(nèi)聚類(lèi)性和類(lèi)間可分性，同時(shí)避免維數(shù)冗余性，應(yīng)該考慮兩方面情況：一方面是反映圖像全局的特征，這種特征對(duì)一般噪聲不敏感，另外一方面，選取的特征能夠反映出圖像的局部細(xì)節(jié)特征 抽取一定的表達(dá)形式后，采用某種分類(lèi)判別函數(shù)和判別規(guī)則，與模板庫(kù)中己知的標(biāo)準(zhǔn)字符表達(dá)形式匹配判別，就可識(shí)別出輸入的字符圖像。虛線(xiàn)以下是識(shí)別系統(tǒng)的學(xué)習(xí)部分。學(xué)習(xí)是根據(jù)多個(gè)未知字樣抽取出模式表達(dá)形式，自動(dòng)構(gòu)造或修改充實(shí)字典，不斷提高系統(tǒng)識(shí)別率。 三. 車(chē)牌識(shí)別系統(tǒng)中字符識(shí)別的設(shè)計(jì) 傳統(tǒng)的模板匹配法 模板匹配是圖像識(shí)別中具代表性的方法之一。它是將從待識(shí)別的圖像提取的若干特征向量與模板對(duì)應(yīng)的特征量進(jìn)行比較，計(jì)算圖像和模板特征量之間的距離，用最小距離法判定所屬類(lèi)，或者計(jì)算圖像與模板的相關(guān)系數(shù)，用最大相關(guān)系數(shù)法判定所屬類(lèi)。模板匹配通常事先建立標(biāo)準(zhǔn)模板庫(kù)，模板庫(kù)中的標(biāo)準(zhǔn)模板通常是二值化的數(shù)字模板，(0 表示背景，1 表示字符)并且圖像模板大小相同。為了使車(chē)牌字符圖像和標(biāo)準(zhǔn)模板的特征相對(duì)應(yīng)，匹配前將車(chē)牌字符圖像歸一化為標(biāo)準(zhǔn)模板大小，為模板匹配提供有利的條件。 模板匹配法實(shí)現(xiàn)原理：設(shè)模板 T 疊放在搜索圖S，模板覆蓋下的那塊搜索圖叫做子圖Si,j，其中i，j 為這塊子圖的左上角像數(shù)點(diǎn)在S 圖中的坐標(biāo)。比較模板T 和子圖Si,j 的內(nèi)容，設(shè)定一個(gè)相似度式子來(lái)衡量?jī)蓚€(gè)的相似程度。圖像