基于信息融合的车牌识别算法研究（可复制）.pdf

摘要牌识别系统的硬件框架结构和软件开发流程,对车牌识别算法进行模式识别是计算机视觉技术的一个重要组成部分,为分类识别问题提供了有效的方法论和技术支撑。车牌识别技术是分类识别相关理论和方法得到成功运用并不断发展的热点和难点,对车牌字符的识别,由于受到很多客观条件的限制,采用单一的分类算法,识别效果往往不理想。基于信息融合技术,利用不同分类器识别结果或者多种特征之间的信息互补,从而得到更好的识别结果。车牌识别系统主要有车牌定位,字符分割和字符识别三部分组成,如何设计分类器对不同切割字符的情况下进行有效的分类识别是车牌识别的一个难点。论文在介绍目前车牌识别算法的基础上,分析了当前各种车牌识别算法的不足,结合信息融合技术,提出了基于信息融合的车牌融合识别算法。首先对车牌字符采用不同的分类器进行并行处理,在此基础上采用决策层匹配分数加权融合算法对模板匹配法和特征匹配法的识别结果进行融合,并在此基础上将上述融合结果与神经网络的识别结果采用砺劢腥诤希终得到融合识别的结果。从分类器融合角度进行了车牌识别技术的尝试。实验结果表明,与单一的分类算法相比,本文的融合算法具有更好的识别效果,整车牌的识别率和所有字符的识别率具有较大的提高,在采用不同分类器识别均出现错误的情况下,本文的融合算法具有一定的纠错能力,系统具有更好的鲁棒性。接着,论文在介绍7⑵教ǖ幕∩希晗附彩隽嘶贒芯片的嵌入式车了移植。论文最后对全文工作进行了总结,并就下一步的研究工作进行了展望。关键词分类识别,信息融合,车牌识别,7⑵教
甌.,,甌,,甌瑃,.瑆畐,,,,,.猄Ⅱ
琲,...,,,甀珼
第一章绪论研究背景及意义当今社会是信息的时代,人们无时无刻不被多种形式的信息所包围。环顾四到声音我们都能分辨出是摩托车的声音还是汽车的声音;闻到气味,我们就能知道是炸鱼还是臭豆腐。我们具备的这些模式识别能力看起来极为平常,谁也不会对此感到惊讶。只有计算机出现以后,当人们企图用计算机来实现人或动物所具备的模式识别能力,他的难度才逐渐被人们所认识。通常我们把通过对具体的个类别或同一类中模式的总体成为模式类,简称为类别。模式识别⋯就是把具体的事物归入某一类别的过程,因此,分类与识别就是模式识别学科所研究的主要内容,也是当前研究的热点和重点。当前,基本的模式识别方法有两种,即统计模式识别方法结构模式识别方法,与此相对应的模式识别系统由两个过程组成,即设计和实现。设计是指用一定数分组成:数据获取,预处理,特征提取和选择,分类决策。模式识别学科的出现才短短几十年,计算机自动识别能力已取得了快速的发展,在模式识别领域开发了很多优秀的算法用于分类识别研究。模式识别已经从研究领域走入现实生活中,分类决策及识别技术得到广泛的应用。然而到目前为止,没有一种算法适用于所有的分类情况,而且对于同一样本在不同的外界条件下,算法没有很好的鲁棒性。在现实生活和实际应用中,有些是人类很容易识别的情况,对于计算机来说却是一个极大的挑战。比如人高兴与愤怒的时候,人类可以轻松的判断出此刻的表情,而计算机对这两种情况的识别却几乎是束手无策。因此如何让计算机拥有人的智能,如何使得设计的分类识别算法尽可能模拟人的思维是人们研究的一个重要课题。误的成分,人们也可以将各种传感器信息综合起来,并使这种感觉信息相互补充印证完整地处理具有不同功能的多种传感器所获取的信息,实现出单个传感器所周,我们都能认出周围的物体是桌子,凳子,能认出对面的人是张三,李四;听别事物进行观测所得到的具有时间和空间分布的信息成为模式,而把模式所属的量的样本蚪凶鲅盗芳进行分类器设计,实现是用所设计的分类器对待识别样本进行分类决策。本文主要研究基于统计方法的模式识别方法,其系统由四部人类可以通过多种感觉所获得的信息来准确地识别环境或物体的状况,并引导他们的下一步的运动或动作。即使这些信息含有一定的不确定性、矛盾或错不能实现的识别功能。硕士学位论文
信息融合识别的国内外研究现状通过研究可以发现,对于复杂模式识别问题,如车牌识别、生物特征识别,可以说目前还没有一个简单的方法可以达到较高的识别率和可靠度,每一种方法都有各自的优点、缺陷和不同的适用范围。不同的特征和识别方法之间具有一定的互补性,因此研究如何将不同的方法有机地结合起来以充分发挥各自的优势克服其缺陷,从而构成信息融合型的识别系统,就成为当前模式识别研究的一个在分类决策与识别算法中,几乎每一个应用领域都存在着许多基于不同理论的分类方法。在智能交通系统中,车牌识别系统是一个重要的应用领域,目前国内外有许多应用于车牌识别的算法,常用的算法有线性分类器,最近邻分类器,各种距离分类器和人工神经网络分类器等。通常,对于一个特定的应用场合,应用于车牌识别系统的这些分类器中的任何一种都能取得一定的效果,但没有一种