论文部分内容阅读
中国已迈入汽车社会,交通拥堵日趋严重,交通事故频发,因此,需要通过智能交通技术,有效管理车辆。车牌识别技术是智能交通系统的主要技术之一,已经成为研究热点。从该技术的发展情况来看,研究重点是在复杂场景下的快速准确识别车牌。车牌识别技术主要包括车牌定位、字符分割和字符识别技术。本文对现有车牌识别算法存在的问题,从以下四个方面做了研究:1、在复杂场景下,车牌定位准确率会下降。使用AdaBoost算法在取得了较好定位效果的同时,会在训练后期,出现样本权重扩张和训练退化现象,使弱分类器的分类错误增大,所以,本文提出了基于弱分类器权重调整的AdaBoost算法。该算法根据分类错误最小和分类器响应最大原则,通过遗传算法,调整弱分类器权重,再按照损失函数最小化的迭代条件,以控制总体训练错误上界。实验结果表明,该算法能有效提高车牌检测率,降低虚警率。2、以较大视角拍摄车牌,会引起严重的透视畸变,对此,本文提出车牌透视校正算法。该算法先检测车牌图像直线,按斜率一致性分类直线,再对于长边组,依据距离水平中心线最近原则,确定上下边缘,对于短边组,由距离最远的两条直线,通过阈值,回缩至各自最近直线,以确定左右边缘,最后,利用求出的车牌四个顶点,根据透视变换,校正车牌。实验结果表明,该算法能较好地校正透视畸变严重的车牌。3、因字符间距变化引起字符粘连,导致分割可靠性降低,对此,本文引入基于模糊Gath-Geva聚类的字符分割算法。该算法采用指数形式的距离度量,它根据极大似然函数,估计字符象素点分布情况,它通过模糊协方差矩阵,对因字符间距变化引起粘连情况,以软边界形式,聚类字符象素点。实验结果表明,该算法能有效分割字符。4、对光照变化和噪声影响字符识别的问题,本文提出了基于主视觉单词的字符识别算法。该算法在主视觉单词的基础上,通过它与待识别字符的SIFT特征匹配情况,实现字符识别。在匹配时,利用匹配点主方向一致性和在图像中的相对位置对应性,减少噪声影响,以增强匹配可靠性。实验结果表明,该算法能有效提高匹配可靠性和字符识别率。