基于形态学和神经网络的车牌识别算法(License plate recognition algorithm based on morphology and neural network)_第1页
基于形态学和神经网络的车牌识别算法(License plate recognition algorithm based on morphology and neural network)_第2页
基于形态学和神经网络的车牌识别算法(License plate recognition algorithm based on morphology and neural network)_第3页
基于形态学和神经网络的车牌识别算法(License plate recognition algorithm based on morphology and neural network)_第4页
基于形态学和神经网络的车牌识别算法(License plate recognition algorithm based on morphology and neural network)_第5页
已阅读5页,还剩15页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

1、基于形态学和神经网络的车牌识别算法(License plate recognition algorithm based on morphology and neural network)Twenty-fifth volume, third issueSeptember 2001Journal of Wuhan University of Technology (traffic science and Engineering)Journal, of, Wuhan, University, of, Technology(Transportation, Science, &Engineering)V

2、ol.25 No.3September 2001A, Recognition, of, Vehicle, plate, withMathematical, Morphology, and, Neural, NetworksYang, Jie, Li, Xu, Guo, Wei(College, of, Information, Technology, WUT, Wuhan430063)Abstract:Requirement, of, automatic, recognition, of, vehicle, license, numbers, from, their, plates, isIn

3、creasing, for, social, services, such, as, traffic, control, and, collection, motor-way, charges., This, paperProposes, an, algorithm, based, on, mathematical, morphology, operations, to, detect, the, region, of, aVehicle, licence, plate, from, an, image., uniqueness, of, this, algorithm, The, in, c

4、omparison, with, otherApproaches, to, this, problem, is, that, there, are, no, special, restrictions, imposed, on, the, images., inputAutomatic, recognition, and, classification, based, on, feedward, three, layers, neural, networks, are, used.All, algorithms, in, the, paper, are, verified, at, compu

5、ter, and, experimental, results, are, efficient, forRecognition and classification.Key words:mathematical morphology; neural networks; recognition0 IntroductionTraffic, engineers, and, the, police, often, wishTo, able, to, uniquely, identify, road, vehicles, atDifferent, points, in, a, road, network

6、, for, reasons,Such as:1) automatic, toll-collection, road, pricingSchemes, and, operation, of, car, parks, for, revenueCollection;() fleet, control, for, monitoring, and,Optimizing, the, movements, of, particular, types, ofVehicles;3) speed, and, weight-limit, enforcementPurposes;4) crime detection

7、 / prevention;5) traffic, data, collection, etc.Until, quite, recently, vehicle, identificationHas, largely, been, a, labor-intensive, manualActivity, aided, where, possible, byElectromechanical actuators. With theContinuing, increase, in, volume, of, road, traffic,Such, manual, techniques, have, pr

8、oved, impractical.Improvements, in, electronic, sensor, technologyHave, allowed, for, the, development, of, automaticVehicle identification (AVI) equipment.传统的AVI系统使用微波感应线圈技术。在这样的系统,识别每个代码的唯一代码。车辆是存储在车载应答器。当车辆通过特定的巷道中的点,路边读取器检测车辆存在并读取编码车载应答机的信息单元。大多数AVI安装另外使用照片/视频/ videologging CCTV子系统收到:2000年11月26日

9、杨洁出生于1960,她是教授。她的研究兴趣包括图像处理、神经网络和模式recognitionvehicles,束手无策的转发器。这些录像通常是手动的。回顾,离线,提取每次违约的车牌号码车辆 1.2 。虽然传统的AVI安装是越来越广泛,实用大规模实施这类系统需要在一个非常大的安装转发器车辆数。他们也有必要确保可靠的操作和维护这些转发器。后者需要一些进行自动检查以检测的手段在车辆中安装的任何故障应答器。替代涉及车辆登记的人工解释交通录像的车牌号码是乏味的,昂贵的,特别是沉重的使用AVI安装。1车牌识别系统1.1图像处理与分割图像分割是图像处理过程将图像分成若干组成部分,以便处理可以提取为进一步处理

10、图像。两处理方法用于获取车辆牌照。第一个是小波。转型,二数学形态操作。1)小波变换的小波AB(T)从一个信号生成功功能(T)通过伸缩和平移因子一B(t)= - 1 / 2(t-BA)(1其中T是一个一维的连续时间变,一个、B是整数(A代表扩张因子,B代表翻译因子),(t)被称为母小波。(T)产生的(T-B多种译本。(t-BA)产按比例缩放的(T-B)Mother wavelet满足条件:(x)dx = 0supposef(t)是一个真正的价值和能量限于一维信号f(t)L2R,我们可以定义的小波变换:Wf(A,B)= - 1 / 2+-F(t)(t-BA)DT(2小波的定义为扩张一意味着高频率的

11、小波函数对应到1,或狭窄的宽度,而低频小波有1或更大宽度。这种叠加decomposefinto不同规模的水平,每个水平在哪里进一步分解与分辨率适应这一水平。所以我们可以得到一系列的子不同空间分辨率的信号,频率分辨率和方向特征并用它来表示的局部性质在图像处理的原始信号。通过多分辨率分析和金字塔分解 3 ,我们可以获得低频率分量和细节分量不同分辨率、不同方向。这个这些组件的特性对应于不同规模和不同方向是我们的自动很重要分割和车牌识别车牌号码。2)形态学操作形态定义为形式的研究。数学形态学、图像代数,是使用的工具集理论形态研究。这是一个面积的图像分析,采用集图像的描述和他们理论转换 4 。主要的转变

12、数学形态学的膨胀和侵蚀,在其他业务的基础。在我们的算法的方法的基础上这是迄今为止最简单的直线检测特征.据观察,这些特征可以既能容忍噪音,又能容忍一定数量的噪音。牌照的倾斜字符行的粗细。根据定义,边界点是一个像素。它位于一个对象内部,但它位于对象以外的至少一个邻居。每个我们工作的E空间x点,我们把一个SETB(x)称为结构元素。一般侵蚀定义为:侵蚀:x = e = x:B(x)E (3)扩张:Y = E B Y:B(Y)E(4侵蚀ofebyb(x)是所有设置pointsxthatb(x)是包含在。扩张372武汉理工大学学报(交通科学与工程版)2001年第25卷ofebyb(Y)是所有点的集合,B

13、(X)hitse。开闭操作是另外两种。重要的形态学运算膨胀剥蚀。它们被定义为:开放:electrical beam电子束=(E B)B(5)闭幕:E = B(e B)B(6)侵蚀的过程接着是膨胀。叫做开放。具有消除作用。细小的物体,破碎的物体点,通常平滑边界无明显改变其面积。在我们的方法,由已处理的二进制图像小波分解降低了噪声。很明显,但还是有一些小噪音。块中,所以我们使用连续打开和结束行动改善局势。1.2字符特征提取具有板块特征的分段部分将被提取用于光学识别。弗斯特字符特征可以通过几何方式获得。的时刻。阶的几何矩(p,q)定义为:MPQ =+1+ 1-1xpxqf(x,y)dxdy(7)如果

14、一个模拟原始versionf(x,y)是数字化的离散versionf(xi,yj)与喜欢narray像素,双积分必须用一些求和来近似公式。在这里(xi,yj)是中心点(i,j)像素。常用处方computempqfrom数字图像定义为我 PQ =M我= 1nJ = 1xpiyqjf(x,y)XY(8在x = xi-xi-1,y = yi-yi-1,采在thexandydirection区间,分别。我们提取每个字符的30个特点。1.3识别的神经网络神经网络技术不依赖于设置程序规则。内部,网络由多个相互关联的节点的增益因子或权重每个节点之间进行转换输入源设置为一组可能的模式的。这个应用程序,输入的是

15、一个两维图像的像素阵列,从图像中提取含牌照,并输出所有可能的结果,设定如2632个字母,汉字和10个数字解决方案。神经网络方法可以发展成为一个适应性很强的模式识别引擎识别模式从一组可能的模式。结构神经网络要慎重选择,不仅适合应用,而且确保识别了一个可以实现可接受的时间内所需的输出解决方案。每个输入是由人类操作员宣布和机建立了一个了解各成员国之间的显著差异训练集。了解输入和预期输出,训练算法的改进适当的权重,执行一个输出溶液(正确的)和降级都别人。一旦训练完成后,该在结构和适当的权重计算并转移到网络神经网络在识别引擎。2实验结果车辆识别系统由三部分:预处理、分割处理和识别如图1。图1轮廓的车牌车

16、牌识别系统图2。在分割的各个阶段识别过程图2A)原始图像;图2b)后的图像小波变换;图。2C)后的图像形态学处理;fig.2d)分割图像从原始图像和识别结果。373第3期杨洁等人:数学形态学的车牌识别预处理采用了一些标准图像处理技术(对比拉伸、噪声滤波、增强等)图像质量。第二部分是分割单元的位置决定了图像中的车牌。车辆车牌定位的小波与数学形态变换。这是一个我们提高目标图像的关键步骤,因为它使我们有可能获得的汽车牌照定位准确。阅读该特征对车牌通过识别器进行。这部分包括一个组合的特征提取和多层感知器网络进行分类。几何矩特征提取分割字符图像。神经网络训练的应用recognition.fig。1是车辆

17、的轮廓车牌识别系统。图2是在分割的各个阶段和识别过程。4结论提取车牌是重要的在车辆自动识别阶段。它是因为车辆图像通常是非常困难的退化和处理图像计算密集型。本文提出了一种新的实用的图像分割,该车牌定位与识别系统的实现方法,基于数学形态学和神经网络。一系列的在不同条件下的实验已经完整的.实验结果表明,分割效果,其取向提高了准确度和识别效率明显地.这一结果表明提出的方法是将相关的实际使用。参考文献1索尔特D R.潜在的自动车辆识别.IEE会议道路交通数据收藏,1984.79822 ayland N,戴维斯P.车辆自动识别重型车辆monitoring.iee第二Int. Conf.道路交通监控、1989.152 1553个理论的多尺度信号Mallat S.分解:小波表示。IEEE反式。模式分析。机器.英特尔

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论