汉字识别方法研究及其在车牌识别系统中的应用
|
摘要
汉字识别是模式识别中一个重要的研究方向，它在办公自动化、高速信息处理、机器视觉等多方面具有重要的理论意义和实用价值。在智能交通系统中，应用汉字识别技术，对汽车牌照进行自动识别，可以实现对车辆的监控和智能管理，具有广阔的市场前景。
本文首先介绍了针对车牌字符图像的预处理方法，包括规格化和二值化算法，根据实验效果对各种方法进行了比较，选取了适用性较强的双线性插值法和最大方差比分割法，应用到汉字识别的预处理过程中。
作者对车牌汉字识别的特征提取方法进行了研究，首先比较了多种基于统计模式识别的特征提取匹配算法，包括外围面积特征，网格特征和用于区分相似汉字的微结构投影特征。为了实现对模糊汉字灰度图的识别，提出了基于二值图形变动分析的模糊模板匹配算法及其改进方案。经初步测试，该方法取得了良好的识别效果。本章还对贝叶斯分类器，子空间模式识别和人工神经网络在字符识别中的应用进行了总结，可作为进一步研究的基础。
在车牌字符识别中引入了误识模型和多分类器集成技术。在实验分析的基础上，确定了影响系统识别性能的两个主要参数：首选距离及其与二选的距离差，并将其作为多分类器集成的判决依据。在实际系统中，我们使用了基于串行方式的两级识别器融合，车牌识别正确率达到了用户的要求，系统运行状况良好。
文章最后介绍了汉字识别的最新进展，并对其研究方向做了展望。
Chinese character recognition is an important research direction in the field of pattern recognition. It is of great value both in theory and practice and has applied in many circumstances, including official automation, high speed information processing, machine vision, etc. In the Intelligent Transportation System (ITS), automatic recognition of license plate by using the technique of character recognition can give facilities for vehicles' surveillance and management. So there's much prospect in the application.
In chapter 2, some methods of pretreatment are introduced in detail, including algorithms of normalization and binarization for the image of license plate character. By comparing these methods, we select the bilinear interpolation and thresholding segmentation of maximum variance that have good performance, and all of these have applied in the course of preprocessing of Chinese character images.
A survey of character recognition methods is presented in chapter 3. Comparison of some extracted feature matching algorithms based on statistical pattern recognition is conducted. These features are profile, mesh and projection of micro structure for distinguishing similar characters. For the sake of identifying some blurred images, a fuzzy template matching algorithm based on analysis of binary images' variability and its improved scheme is presented. Theoretical analyses and experimental results demonstrate that this method is very effective. Also, Bayesian classifier, subspace method and ANN
are summarized in this chapter. They can be used for the next research.
The techniques of mis-recognition model and multiple classifier combination are proposed and used in the system. On the basis of experimental analysis, two main parameters that have great effects on the recognition correctness of the system are ascertained: the first candidate's distance and the distance difference between the first and the second candidate. By using these parameters, multiple classifier combination can be realized and represent validity. In the actual LPR system, we applied two classifier combination based on serial method and its performance has meet the needs of customs.
The latest progress of Chinese character recognition and the research prospect is presented in the last of this paper.
本文首先介绍了针对车牌字符图像的预处理方法，包括规格化和二值化算法，根据实验效果对各种方法进行了比较，选取了适用性较强的双线性插值法和最大方差比分割法，应用到汉字识别的预处理过程中。
作者对车牌汉字识别的特征提取方法进行了研究，首先比较了多种基于统计模式识别的特征提取匹配算法，包括外围面积特征，网格特征和用于区分相似汉字的微结构投影特征。为了实现对模糊汉字灰度图的识别，提出了基于二值图形变动分析的模糊模板匹配算法及其改进方案。经初步测试，该方法取得了良好的识别效果。本章还对贝叶斯分类器，子空间模式识别和人工神经网络在字符识别中的应用进行了总结，可作为进一步研究的基础。
在车牌字符识别中引入了误识模型和多分类器集成技术。在实验分析的基础上，确定了影响系统识别性能的两个主要参数：首选距离及其与二选的距离差，并将其作为多分类器集成的判决依据。在实际系统中，我们使用了基于串行方式的两级识别器融合，车牌识别正确率达到了用户的要求，系统运行状况良好。
文章最后介绍了汉字识别的最新进展，并对其研究方向做了展望。
Chinese character recognition is an important research direction in the field of pattern recognition. It is of great value both in theory and practice and has applied in many circumstances, including official automation, high speed information processing, machine vision, etc. In the Intelligent Transportation System (ITS), automatic recognition of license plate by using the technique of character recognition can give facilities for vehicles' surveillance and management. So there's much prospect in the application.
In chapter 2, some methods of pretreatment are introduced in detail, including algorithms of normalization and binarization for the image of license plate character. By comparing these methods, we select the bilinear interpolation and thresholding segmentation of maximum variance that have good performance, and all of these have applied in the course of preprocessing of Chinese character images.
A survey of character recognition methods is presented in chapter 3. Comparison of some extracted feature matching algorithms based on statistical pattern recognition is conducted. These features are profile, mesh and projection of micro structure for distinguishing similar characters. For the sake of identifying some blurred images, a fuzzy template matching algorithm based on analysis of binary images' variability and its improved scheme is presented. Theoretical analyses and experimental results demonstrate that this method is very effective. Also, Bayesian classifier, subspace method and ANN
are summarized in this chapter. They can be used for the next research.
The techniques of mis-recognition model and multiple classifier combination are proposed and used in the system. On the basis of experimental analysis, two main parameters that have great effects on the recognition correctness of the system are ascertained: the first candidate's distance and the distance difference between the first and the second candidate. By using these parameters, multiple classifier combination can be realized and represent validity. In the actual LPR system, we applied two classifier combination based on serial method and its performance has meet the needs of customs.
The latest progress of Chinese character recognition and the research prospect is presented in the last of this paper.
引文
[1] 雷量．汉字识别谁强谁弱．CHIP杂志社．2000年第5期：84-94．
[2] 杨仅池．汉字识别软件完全应用．电脑硬件．2000年第1期：68-72．
[3] 张忻中．汉字识别技术．北京：清华大学出版社．1993年．
[4] 吴佑寿，丁晓青．汉字识别——原理、方法和实现．高等教育出版社．1992年．
[5] 沈清，汤森 编著．模式识别导论．国防科技大学出版社．1991年5月．
[6] 黄贤武，王加俊，李家华 编著．数字图像处理与压缩编码技术．电子科技大学出版社．2000年．
[7] (日)谷口庆治 编．数字图像处理——基础篇．科学出版社．2002年2月．
[8] 马俊莉，莫玉龙，王明样．基于有效鉴别特征抽取的有限汉字集识别．上海大学学报(自然科学版)．2002，8(1)：28-30．
[9] 刘汝杰，袁保宗，唐晓芳．一种新的基于聚类的多分类器融合算法．计算机研究与发展．2001，38(10)：1236-1241．
[10] 赵丹青，孙德宝．字符识别在车牌识别中的应用．中南民族大学学报(自然科学版)．2002，21(3)：33-36．
[11] 王晓华，高庆吉，赵卫平．利用模糊统计法识别货运列车车号的研究．中国图象图形学报．2000，5A(11)．
[12] 贾云得 编著．机器视觉．科学出版社．
[13] 阎建国，高亮，卢京潮．图像处理技术在车牌识别中的应用．电子技术应用．2000年第1期．
[14] 朱小燕，史一凡，马少平．手写体字符识别研究．模式识别与人工智能．2000，13(2)：174-180．
[15] 蒋伟峰，刘济林．基于PCA学习子空间算法的有限汉字识别．中国图像图形学报．2001，6A(2)：186-190．
[16] 吴一全．朱兆达．图像处理中阂值选取方法30年(1962-1992)的进展(一)．数据采集与处理．1993，8(3)：193-201．
[17] 吴一全，朱兆达．图像处理中阈值选取方法30年(1962-1992)的进展(二)．数据采集与处理．1993，8(4)：268-282．
[18] 章毓晋著．图像分割．科学出版社．2001年2月．
[19] 蔺志青，郭军．贝叶斯分类器在手写汉字识别中的应用．电子学报．2002，
30(12)：1804-1807．
[20] 黄志斌，陈锻生．基于串行分类器的字符识别．计算机应用研究．2002(12)：43-46．
[21] 丁晓青．汉字识别研究的回顺．电子学报．2002，30(9)：1364-1368．
[22] 王学文，丁晓青，刘长松．基于Gabor变换的高鲁棒汉字识别新方法．电子学报．2002，30(9)：1317-1322．
[23] 王年等．基于神经网络的汽车牌照自动识别．安徽大学学报(自然科学版)．2000，24(1)：45-50．
[24] 马少平，夏莹，朱小燕，姜哲．汉字识别系统的误识模型．清华大学学报(自然科学版)．1998，38(1)：108-111．
[25] 郭宏，丁晓青，郭繁夏，吴佑寿．汉字识别多分类器集成的新方法．清华大学学报(自然科学版)．1997，37(10)：91-94．
[26] 徐建闽，贺敬凯．车型与车牌自动识别技术分析．交通与计算机．2002，20(2)：7-12．
[27] Kenneth R．Castleman．Digital Image Processing．清华大学出版社．1998．4
[28] Oja E. The ALSM algorithm——An improved subspace method of classification. Pattern Recognition, 1983, 16(4): 421-427.
[29] Prakash M, Murky M. Hebbian learning subspace method: A new approach. Pattern Recognition, 1997, 30(1): 141-149.
[30] Prakash M, Murky M. Growing subspace pattern recognition methods and their neural-network models. IEEE Trans. On Neural Networks, 1997, 8(1): 161-168.
[31] Trier I. D, Jain A. K, Taxt T. Feature extraction methods for character recognition-A survey. Pattern Recognition. 1996, 29(4): 641-662.
[2] 杨仅池．汉字识别软件完全应用．电脑硬件．2000年第1期：68-72．
[3] 张忻中．汉字识别技术．北京：清华大学出版社．1993年．
[4] 吴佑寿，丁晓青．汉字识别——原理、方法和实现．高等教育出版社．1992年．
[5] 沈清，汤森 编著．模式识别导论．国防科技大学出版社．1991年5月．
[6] 黄贤武，王加俊，李家华 编著．数字图像处理与压缩编码技术．电子科技大学出版社．2000年．
[7] (日)谷口庆治 编．数字图像处理——基础篇．科学出版社．2002年2月．
[8] 马俊莉，莫玉龙，王明样．基于有效鉴别特征抽取的有限汉字集识别．上海大学学报(自然科学版)．2002，8(1)：28-30．
[9] 刘汝杰，袁保宗，唐晓芳．一种新的基于聚类的多分类器融合算法．计算机研究与发展．2001，38(10)：1236-1241．
[10] 赵丹青，孙德宝．字符识别在车牌识别中的应用．中南民族大学学报(自然科学版)．2002，21(3)：33-36．
[11] 王晓华，高庆吉，赵卫平．利用模糊统计法识别货运列车车号的研究．中国图象图形学报．2000，5A(11)．
[12] 贾云得 编著．机器视觉．科学出版社．
[13] 阎建国，高亮，卢京潮．图像处理技术在车牌识别中的应用．电子技术应用．2000年第1期．
[14] 朱小燕，史一凡，马少平．手写体字符识别研究．模式识别与人工智能．2000，13(2)：174-180．
[15] 蒋伟峰，刘济林．基于PCA学习子空间算法的有限汉字识别．中国图像图形学报．2001，6A(2)：186-190．
[16] 吴一全．朱兆达．图像处理中阂值选取方法30年(1962-1992)的进展(一)．数据采集与处理．1993，8(3)：193-201．
[17] 吴一全，朱兆达．图像处理中阈值选取方法30年(1962-1992)的进展(二)．数据采集与处理．1993，8(4)：268-282．
[18] 章毓晋著．图像分割．科学出版社．2001年2月．
[19] 蔺志青，郭军．贝叶斯分类器在手写汉字识别中的应用．电子学报．2002，
30(12)：1804-1807．
[20] 黄志斌，陈锻生．基于串行分类器的字符识别．计算机应用研究．2002(12)：43-46．
[21] 丁晓青．汉字识别研究的回顺．电子学报．2002，30(9)：1364-1368．
[22] 王学文，丁晓青，刘长松．基于Gabor变换的高鲁棒汉字识别新方法．电子学报．2002，30(9)：1317-1322．
[23] 王年等．基于神经网络的汽车牌照自动识别．安徽大学学报(自然科学版)．2000，24(1)：45-50．
[24] 马少平，夏莹，朱小燕，姜哲．汉字识别系统的误识模型．清华大学学报(自然科学版)．1998，38(1)：108-111．
[25] 郭宏，丁晓青，郭繁夏，吴佑寿．汉字识别多分类器集成的新方法．清华大学学报(自然科学版)．1997，37(10)：91-94．
[26] 徐建闽，贺敬凯．车型与车牌自动识别技术分析．交通与计算机．2002，20(2)：7-12．
[27] Kenneth R．Castleman．Digital Image Processing．清华大学出版社．1998．4
[28] Oja E. The ALSM algorithm——An improved subspace method of classification. Pattern Recognition, 1983, 16(4): 421-427.
[29] Prakash M, Murky M. Hebbian learning subspace method: A new approach. Pattern Recognition, 1997, 30(1): 141-149.
[30] Prakash M, Murky M. Growing subspace pattern recognition methods and their neural-network models. IEEE Trans. On Neural Networks, 1997, 8(1): 161-168.
[31] Trier I. D, Jain A. K, Taxt T. Feature extraction methods for character recognition-A survey. Pattern Recognition. 1996, 29(4): 641-662.
© 2004-2018 中国地质图书馆版权所有 京ICP备05064691号 京公网安备11010802017129号 地址：北京市海淀区学院路29号 邮编：100083 电话：办公室：(+86 10)66554848；文献借阅、咨询服务、科技查新：66554700 |