模式识别应用-车牌识别.ppt

模式识别应用——车牌识别模式识别系统的组成: ?信息获取?预处理?特征提取和选择?分类器设计和分类决策信息获取机器识别:计算机获取模式信息即实现观察对象的数字化表达。?待识别的样本大都是非电信息,例如语音信号、待识别文本、图像等,这就需要将这些以各种不同形式表现的信息通过传感器转换成电信号。?如用话筒将声音信号转换成电信号。?景物信息在摄像机靶面成像并转换成二维的像素矩阵,每个像素(矩阵元素)的电信号与物体表面反射的光强或颜色信息呈现函数关系。预处理?预处理主要是指去除所获取信息中的噪声,增强有用的信息,及一切必要的使信息纯化的处理过程。?图像信息的预处理:几何校正、图像增强、图像还原等。?例如,从图像中将汽车车牌的号码识别出来,就需要先将车牌从图像中找出来,再对车牌进行划分,将每个数字分别划分开。做到这一步以后, 才能对每个数字进行识别。以上工作都应该在预处理阶段完成。?原始数据是由所使用的测量仪器或传感器获取的,这些数据组成的空间叫测量空间。?样本是用特征进行描述的,识别与训练都是在特征空间中进行的。?特征提取模块将原始测量数据转换成能反映事物本质、有效方式表示的信息,从而使分类器能根据这些信息决定样本的类别。?特征提取模块的功能是:对所获取的信息实现从测量空间到特征空间的转换。?通常用于描述模式性质的特征很多,需要从一组特征中挑选出一些最有效的特征以降低特征空间维数,即特征选择。特征提取和选择分类决策?模式识别系统工作有两个过程,一是样本训练, 二是分类决策。?样本训练:在已确定的特征空间中,对作为训练样本的数据进行特征提取与选择,得到它们在特征空间的分布,依据这些分布决定分类器的具体参数。?分类决策:分类器在分界形式及其具体参数都确定后,对待分类样本进行分类决策的过程。?分类决策是对事物辨识的最后一步。?识别事物(决策)的基本方法: 同一类事物之间属性应比较近似,而不同类事物之间的属性之间应差异较大。这种现象表现在特征空间的分布中往往表现出同类事物的特征向量聚集在一起,聚集在一个相对集中的区域,而不同事物则分别占据不同的区域。因此, 如果待识别的事物的特征向量出现在某一类事物经常出现或可能出现的区域内,该事物就被识别为该类事物。?决策依据: 在特征空间中哪个区域是某类事物典型所在区域需要用数学式子划定,这样一来,满足这种数学式子与否就成为分类决策的依据。如何确定这些数学式子就是分类器设计的任务,而一旦这种数学式子确定后,分类决策的方法也就确定了。汽车车牌识别系统汽车车牌识别系统?图像输入?车牌提取(牌照定位与分割) ?车牌字符识别汽车车牌识别——图像采集?地感线圈感应压力; ? 40ms 后进入最佳识别区; ?触发相机拍照