小波和神经网络模式识别技术及其在车牌识别中的应用.doc

小波和神经网络模式识别技术及其在车牌识别中的应用（完整版）实用资料
(可以直接使用，可编辑完整版实用资料，欢迎下载）
合肥工业大学
硕士学位论文
小波和神经网络模式识别技术及其在车牌识别中的应用
姓名:王志红
申请学位级别:硕士
专业:检测技术与自动化装置
指导教师:王建平

豳23对加礤图像消噪效果圈f。-_O.01
2.3.2对实际含噪图像消噪
最用MATLAB6。l对~副噪声级未知豹图像棚噪图像采取硬闽售、软阏值、中值滤波、wdencmp函数及本文提出的小波局部闽值方法(实验中选取k=3进行瀵噪处理。式(2-18计算复杂,本文取小波系数离/高郏分螅标准偏差作为噪声方差盯的估计假子。

圈2.4实际含嗓翻像清嗓效果囤
对于断裂字符的分割方法主要也有两种:一种是基于字符的宽度、字符间隙等信息的合并处翌U方法:另一种是以识别结果为指导的对字符元素的合并方法。
对于牌照中的字符分割而言,其难点除了考虑字符之间的粘连、字符笔划断裂之外,还要考虑车牌倾斜、被污染及第二、六字符与铆钉相连等情况,因此,面向车牌的字符分割比一般意义上的文本字符分割更难,仅靠单一的垂直投影不能满足需求。文[20]提出了~种面向车牌字符的分割算法,该方法直接对图像进行垂直投影,根挢}车牌字符固定宽度、间距的固定比例关系等先验知识,首先确定牌照边框,然后采用Freeman码跟踪技术去除I'DJ隔符和独立铆钉等的干扰,最后结合牌照水平投影及垂直投影去掉残留边框及铆钉的影响,确定字符上下左右边界,提取出单一字符。该方法一般牌照字符分割效果不错,但是,它忽略了倾斜牌照的分割问题及第三字符为“1”的分割问题。此外,文本图像的二值化容易剥字符图像造成粘连、断裂的负面影响14“,进而影响识别效果,因而改进二值化算法及如何处理二值化图像事关正确选取分割点的问题。
鉴于上述思路,我们首先利用经简化改进的霍夫变换对车牌进行倾斜度校『F,然后利用小波分析在信号处理中具有自动变焦、多尺度检索信号的特点,结合车牌的先验知识,通过对车牌的垂直投影进行滤波来搜索特定的波谷点作为候选分割点,并对易出现断裂、粘连的车牌候选分割点采用二直化闭值迭代法自适应搜索分割点,分割出孤立字符所在区域;最后对于字符区域,我们构造出字符的多线垂直投影,精确定位字符边界,提取出单个字符。
3.2基于霍夫变换的车牌倾斜校正
本节提出了一种改进的基于霍夫变换的倾斜校正方法。
标准车牌为长方形,但由于摄像机角度或车牌斜挂等原因,汽车牌照在图像中是一个近似的长方形或平行四边形,车牌中各字符间距较小,根据实验论证,在车7剐顷斜角度>=20f1寸,车牌的倾斜程度就会影响后续字符分割率及字符识别率的提高,图3.1(a中车牌倾斜角度为5。,由图显见,其分割点难以判断,即使分割成功,其位置偏移也会对识别影响较大。因此,在进行分割前,需首先对车牌进行倾斜度校正。

剀3.1图像操作
牌照主要分为黑底自字、篮底白字、黄底黑字三种,文字与背景之间有明显灰度对比,二值化后,背景与文字做处理成黑、白象素,如图3.1(b.其中牌

牟斑正方向,开始检测强标象素坐标瓴y。在疗=CO,~鸥(因车黪颓籍寝一般不鲻过士30。,根撵几何知谈,令娥;608,啦:=1206之间设置一组蠢线方裰
x4cosO々y4sin0
令∥为图像上任蕊隧标点P(x,y在该缓或线上的投影(如闺3,3饼示,刚眷:
p。x￥COS0+Y+sin拶
隧3.3蠢线瓣辍嫩标褒示
设一累鸯珏鼗缀一≯记录共线点静个数,酃满是式上式豹瓣标象紊豹个数,计簿f。max{A(O,O∈b。挪:】}-箕对应的倾角都为觚瓣点翊车牌倾豁蠹线最近秘羹豹角凌O,国凡何知识郄可诗冀出幕簿旋转斑淡五=90“学。籁瓣矫歪嚣强橡魏隧3.4所示:

隧3.{辑正蓐圈豫
翔巢倾斜趋因为摄豫杌季囊摄角瘦学簸。霹文适当澜熬摄像头靛角凌和零平菠。
3.3“变焦瑟”豹二避,j、渡
在我稍的阂使自遥应选取中采用豹怒二避小波交换,它是离敬小滚交换酶一耱。需要强谲鲍麓这羹煞“离散”黎蔫镑对蔻续的足褒参数群嚣连续平移参数b酶,丽不是针对辩闻变量￡的。遮一蠡与筏稻通常习惯豹辩闻离散证不同。
先褥上章中瀚连续小渡离敬德,臻饕逶遥鼹离散参数翡选淑虢可戳褥捌二遴小液交淡静数学表示。
奁潼续夺波中,鸯滤函数:
秽。j靠=时”妒(掣(3-I这里,b《霞,龉∈R+,鼹露≠0,y怒容许懿,在离散纯审,慈隈溺尊廷袈正餐,遮释稳雾往蘩俘簸交烫
应用Mallat小波快速算法即可实现。
垂直投影点出有限的样本组成,只需对其做有限级的小波变换。在候选分割点选取算法中应选择奇对称或偶对称的小波,以保证小波变换的特征点与垂直投影中波谷点的对应。
本文选用sym2小波首先对垂直投影图进行二尺度一维小波分解.然后对小波系数进行信号低频重构。信号经小波变换后保持了