论文部分内容阅读
模式识别是计算机智能的一个重要研究领域,它在医学、工程、交通、天文、军事等很多领域有着广泛的应用。 本文以轨道衡车牌识别系统为应用背景,对车牌识别系统的各阶段的任务及遇到的问题进行了比较详细的说明和分析研究,然后基于构造性覆盖算法和商空间粒度计算理论提出了一种多粒度的字符识别覆盖算法,并且基本完成了轨道衡车牌识别系统的设计与实现。本论文所做的主要工作如下: 1.针对所处理车牌的特点,基于对大量车牌灰度图的直方图分析,我们采用灰度拉伸等操作去除了背景中干扰目标的象素信息,成功地进行了预处理,提高了车牌定位的准确率。 2.在车牌的定位阶段,我们通过对水平纹理投影平滑后的峰谷分析,对粗定位的上下边界进行了微调;在字符分割阶段中,我们通过对目标象素的竖直投影平滑后的峰谷分析,并且利用车牌字符的宽、高等先验信息改善了字符分割的效果;在车牌去噪和倾斜校正阶段,我们利用连通域标记算法都取得了较好的效果。 3.从分类器的结构方面考虑,我们提出了一种基于覆盖算法的两层结构分类器的设计方法,即多粒度的字符识别覆盖算法,然后将它和单层结构分类器做了实验分析对比,得出了在不明显增加构造复杂度的情况下两层结构的设计大大改善了分类器的性能。 本文的轨道衡车牌识别系统是模式识别领域的一个典型应用。它的基本思路和具体设计可扩展适用于其他行业类似的分类应用中,具有很好的应用前景。