小波和神经网络模式识别技术及其在车牌识别中的应用
|
摘要
小波变换具有“显微镜”特性和类人视觉特点，在图像处理及模式识别中有着越来越广泛的应用；神经网络模式识别表现出来较强的自学习、自适应能力以及容错性、鲁棒性等使得它成为模式识别领域一个重要的研究方向。
车牌识别是计算机视觉与模式识别技术在智能交通领域的重要应用，是实现交通管理智能化的核心技术。因此，将小波变换与神经网络有机结合并运用于车牌自动识别具有较大的理论意义和实践价值。
论文主要涉及了以下工作：
1)图像预处理。该阶段研究图像的消噪和倾斜度校正。通过分析图像的小波分解高频系数特性，提出了一种小波局部阈值消噪方法。并且应用简化改进的Hough变换，通过检测边界线段检测牌照倾斜角度，对车牌进行倾斜校正。
2)字符分割。提出了一种新的实用车牌字符分割方法。根据车牌的先验知识，利用小波变换自动变焦、多尺度分析的特点，对传统的垂直投影法及多线垂直投影法进行滤波，自适应搜索分割点，高效地进行了车牌字符分割。
3)特征提取。利用图像小波变换的方向性分解构造出针对易混淆字符的细小波网格特征提取方法。
4)字符识别。对多特征、多神经元网络集成识别方法进行了研究，从而提出了一种基于神经网络的多级串行分类器的车牌字符识别方法。
本文研究表明，小波局部阈值降噪法有效可行；字符分割算法对前续车牌定位及倾斜程度要求低，抗干扰性及适应性强；小波网格特征稳定性好，区分性强，多级网络分类器针对性及泛化能力强，与单一网络分类器相比，可有效提高系统的抗干扰性和识别率。
Wavelet transform has been widely used in image process and pattern recognition because its "micro - scope" feature and similar-human vision feature. Neural net pattern recognition is an important research direction in pattern recognition field because of the strong self-learning, application feature.
VLP is an important application and the core technology of computer vision and pattern recognition in the intelligent traffic field. So apply these two tools in VLPR has biggish theory meaning and practice value.
This paper has finished some tasks as follows:
1) image pretreatment. This phase research image de_noise and image inclination rectification. Based on the wavelet high frequency coefficient, we bring forward a wavelet part thresholding method. While in image inclination rectification, a modified Hough transform is used in VLP inclination detection and rectification.
2) character segmentation. This phase bring forward a new applied method in VLP character segmentation. Based on predeterminate knowledge of VLP and wavelet nulti-scale analysis feature, segmentation position is located self-adaptively.
3) character feature extraction. According to wavlet's directive characteristic,we bring forward a new wavelet part grid feature.
4) character recognition. Study the integration method of many inputs and many neural net. Therefore we bring forward a multi-layer serial classifiers with neural network.
The research in this article shows that the wavelet part thresholding method is effective; character segmentation method has little limitation for the VLP inclination; the wavelet grid feature has good stability and satisfactory distinction; compared with the single classifier, the multi-layer serial classifiers can efficiently improve resistance to interaction and recognition rate of the system.
车牌识别是计算机视觉与模式识别技术在智能交通领域的重要应用，是实现交通管理智能化的核心技术。因此，将小波变换与神经网络有机结合并运用于车牌自动识别具有较大的理论意义和实践价值。
论文主要涉及了以下工作：
1)图像预处理。该阶段研究图像的消噪和倾斜度校正。通过分析图像的小波分解高频系数特性，提出了一种小波局部阈值消噪方法。并且应用简化改进的Hough变换，通过检测边界线段检测牌照倾斜角度，对车牌进行倾斜校正。
2)字符分割。提出了一种新的实用车牌字符分割方法。根据车牌的先验知识，利用小波变换自动变焦、多尺度分析的特点，对传统的垂直投影法及多线垂直投影法进行滤波，自适应搜索分割点，高效地进行了车牌字符分割。
3)特征提取。利用图像小波变换的方向性分解构造出针对易混淆字符的细小波网格特征提取方法。
4)字符识别。对多特征、多神经元网络集成识别方法进行了研究，从而提出了一种基于神经网络的多级串行分类器的车牌字符识别方法。
本文研究表明，小波局部阈值降噪法有效可行；字符分割算法对前续车牌定位及倾斜程度要求低，抗干扰性及适应性强；小波网格特征稳定性好，区分性强，多级网络分类器针对性及泛化能力强，与单一网络分类器相比，可有效提高系统的抗干扰性和识别率。
Wavelet transform has been widely used in image process and pattern recognition because its "micro - scope" feature and similar-human vision feature. Neural net pattern recognition is an important research direction in pattern recognition field because of the strong self-learning, application feature.
VLP is an important application and the core technology of computer vision and pattern recognition in the intelligent traffic field. So apply these two tools in VLPR has biggish theory meaning and practice value.
This paper has finished some tasks as follows:
1) image pretreatment. This phase research image de_noise and image inclination rectification. Based on the wavelet high frequency coefficient, we bring forward a wavelet part thresholding method. While in image inclination rectification, a modified Hough transform is used in VLP inclination detection and rectification.
2) character segmentation. This phase bring forward a new applied method in VLP character segmentation. Based on predeterminate knowledge of VLP and wavelet nulti-scale analysis feature, segmentation position is located self-adaptively.
3) character feature extraction. According to wavlet's directive characteristic,we bring forward a new wavelet part grid feature.
4) character recognition. Study the integration method of many inputs and many neural net. Therefore we bring forward a multi-layer serial classifiers with neural network.
The research in this article shows that the wavelet part thresholding method is effective; character segmentation method has little limitation for the VLP inclination; the wavelet grid feature has good stability and satisfactory distinction; compared with the single classifier, the multi-layer serial classifiers can efficiently improve resistance to interaction and recognition rate of the system.
引文
[1]阮秋琦，《数字图像处理学》，电子工业出版社，北京2001 p481。
[2]李介谷、蔡国廉 等，计算机模式识别技术，上海交通大学出版社，上海1986。
[3]沈清、汤霖，《模式识别导论》，国防科技大学出版社，北京1991。
[4]边肇祺、张学工 等，《模式识别》，清华大学出版社，北京2000 p2。
[5]黄德双，《神经模式识别系统理论》，电子工业出版社，北京1996。
[6]Abhijit S.Pandya, Robert B. Macy著，徐勇、荆涛等译，《神经网络模式识别及其实现》，电子工业出版社，1999。
[7]王建平 盛军 方敏，基于小波分析的视频图像字符特征提取方法研究，微电子学与计算机，Apr．2002。
[8]王广宇，车辆牌照识别系统综述，郑州轻工业学院学报(自然科学版)，Vol．16，No．2，Jun．2001，p47～50。
[9]闻新、周露、王丹力、熊晓英，(Matlab神经网络应用设计》，科学出版社2000。
[10]王丰元，计算机视觉在交通工程测量中的应用，中国公路学报，Vol．12(1)，1999，p90～94。
[11]林立、何为、韩力群，汽车牌照自动识别技术的现状与发展，北京轻工业学院学报，Vol．19， No．1，Mar．2001，p36～40。
[12]Johnson A S, Bird B M, Number-plate matching for automatic vehicle identification, Electronic Image and Image Processing in Security and Forensic Science [C], IEE Colloquium, 1990(4) :p1-8.
[13]寥金周、宣国荣，车辆牌照自动识别，微型电脑应用，Vol．15(17)，1999，p32～34。
[14]Raus M, Kreft L, Reading car license plates by the use of artificial neural networks. In:Proceedings of thel 995IEEE3 8th Midwest Symposium on Circuits and Systems, NJ, USA:IEEE. 1995, Part1 (of 2 ):538～541.
[15]晏建华、赵正校，基于属性开运算的汽车牌照区域定位算法，微型电脑应用，Vol．15，No．11，1999，p18～20。
[16]Kamat V, Ganesan S. An efficient implementation of the Hough transform for detecting vehicle license plates using DSP' S. In: Proceedings of ReM-Time Technology and Applications Sympo-sium, CA, USA:IEEE Computer Society Press. 1995:58～59.
[17]Byoung T C eta1. A method to extractvehicle number plates by applying
signal processing techniques. Journal of the Korean In-stitute of Telematics and Electronics, 1995, 30B(7):92～101.
[18]王建平，姜滔，基于小波与神经元模式识别的图像分割方法的研究，电子学报，已投。
[19]中华人民共和国机动车号牌 中华人民共和国公共安全行业标准(GA36—92)。
[20]张引、潘云鹤，面向车辆牌照字符识别的预处理算法，计算机应用研究1999，No．7。
[21]李小平 任江兴 杨德刚，车牌识别系统中若干问题的探讨，北京理工大学学报，Vol．21 No．1 Feb．2001。
[22]曹迪铭 宣国容，牌照字符分割中的区域分裂与合并，计算机工程，Vol．26NO．10 Oct．2000。
[23]Shunji Mari, Kazuhiko Yamamoto. Historical Review of OCR Research and Development. Proceeding of IEEE, 1992,80(7): 1029～1057.
[24]梁玉尧，李多等，汉字图像的小波分析，计算机研究与发展，Vol．10，No．4，1996，p12～19。
[25]路浩如，杨源远，手写体汉字识别问题综述，计算机应用与软件，Vol．11，No．2，1992，p1～8。
[26]张炜 王庆 赵容椿，汽车牌照实时识别，信号处理，Vol．16，No．4，p372～375。
[27]郭军 马跃等，发展中的汉字识别理论和技术，电子学报，Vol．23，No．10，1995，p184～187。
[28]韩宏 杨静宇，神经网络分类器的组合，计算机研究与发展，Vol．37，No．12，2000，p1488～1492。
[29]赵明，手写印刷体汉字识别方法综述，计算机研究与发展，Vol．30，No．4，1993，p59～64。
[30]郑南宁 张西宁 戴莹 朱海安，行使车辆牌照自动识别系统，西安交通大学学报，1991，Vol．6，p43-53。
[31]郭勇 吴乐南，行使车辆的牌照识别系统，电子工程师，2000，Vol．11，p37-41。
[32]叶晨洲，车辆牌照字符识别系统，计算机系统应用，1999，Vol．5，p10-13。
[33]金连文 徐秉铮，手写体汉字识别中的一种新的特征提取方法——弹性网格方向分解特征，电路与系统学报，Vol，2，No．3，August．1997。
[34]V.K .Govindan, A. P .Shicaprasad, Character Recognition-A Review,
Pattern Recognition, 1990, Vol. 23(7), p671～683.
[35]王建平 姜滔 朱程辉，基于小波和矩的图像字符特征提取方法研究，信号处理，已投。
[36]Funahashi K , Multilayer NN and Bayes decision theory[J] , Neural networks , 1998,11, p209-213.
[37]张得喜 马少平等，基于统计与神经元方法相结合的手写体相似字识别，中文信息学报，Vol．13，No．1，2000，p99～101。
[38]路浩如 杨源远，手写体汉字识别问题综述，计算机应用与软件，Vol．11，No．2，1992，p1～8。
[39]秦前清 杨宗凯，《实用小波分析》，西安电子科技大学出版社，西安1998p1。
[40]胡昌华 张军波 夏军 张伟，《基于MATLAB的系统分析与设计——小波分析》，西安电子科技大学出版社，西安1999 p17。
[41]傅晨钊、汲胜昌等，门限小波去噪在变压器冲击试验中的应用研究，中国电机工程学报，Vol．21，No．7，JUL 2001。
[42]Donoho DL, De-Noising by Soft-Thresholding, IEEE transactions on information theory, 1995, 41(3).
[43]胡家忠，《计算机文字识别技术》，气象出版社，北京1994，p11-17。
[44]Richard G Casey and Eric Lecolinet, A Survey Of Methods And Strategies In Character Segmentation, IEEE Transactions On Pattern Analysis And Machine Intelligence, Vol.18(7), 1996, p690-706.
[45]Yi Lu, Machine Printed Character Segmentation —An Overview, Pattern Recognition, Vol. 28(1), 1995, P67～68.
[46]Shunji Mari、Kazuhiko Yamamoto, Historical Review of OCR Research and Development, Proceeding of IEEE, 1992, 80(7): 1029～1057.
[47]章毓晋，《图像分割》，科学出版社，2001。
[48]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，Vol．13，No．2，2000，p174～180。
[49]高鹏、谭宏等，基于神经网络方法的手写体数字识别，吉林工业大学学报，Vol．27，No．1，1997，p79～82。
[50]娄震、胡钟山等，基于轮廓分段特征的手写体数字识别，计算机学报，Vol．22，No．10，1999，p99～103。
[51]吕岳、邬建中等，窗口信函邮政编码分割与识别系统的研究和实现，计算机研究与发展，Vol．36，No．8，1999，p671～683。
[52]阚伟、朱秋煜，一种改进的基于模板匹配的集装箱字符识别方法，计算机工程，Vol．26，No．12，2000，p119～120。
[53]V. K. Govinda, A. P. Shicaprasad, Character Recognition-A view, Pattern Recognition, Vol. 23(7), 1990, P671～683.
[54]Abhijit S. Pandya, Robert B. Macy著，徐勇，荆涛译，《神经网络模式识别及其实现》，电子工业出版社，1999。
[55]王灵泉、丘伟峰，图像锐化边界和Rapid变换的手写汉字识别，模式识别与人工智能，Vol．8，No．2，1995，P149～152。
[56]金琪、戴汝为，矩、不变矩、角度矩及傅立叶描绘子，模式识别与人工智能，Vol．6，No．3，1993，P181～187。
[57]金连文、彭秀兰、尹俊勋，一种手写体汉字特征提取新方法——小波变换及弹性网格技术的应用，中国图像图形学报，Vol．3，No．7，1998，p549～552。
[58]马少平、夏莹、朱小燕，基于模糊方向线素特征的手写体汉字识别，清华大学学报，Vol．37，No．3，1997，p42～45。
[59]闻新、周露、王丹力、熊晓英，伽atlab神经网络应用设计》，科学出版社，2000。
[60]Wasserman, P. D, Advanced Methods in Neural Computing, New York: Van Nostrand Reinhold, pp. 35-55, 1993.
[61]王建平 王志红，基于小波分析和神经元网络的车牌字符识别研究，待投。
[62]王建平 王志红 王金玲，小波分析在图像消噪中的应用研究，微电子学与计算机。
[63]王建平 王志红，基于Hough变换和小波分析的车牌字符分割研究，待投。
[2]李介谷、蔡国廉 等，计算机模式识别技术，上海交通大学出版社，上海1986。
[3]沈清、汤霖，《模式识别导论》，国防科技大学出版社，北京1991。
[4]边肇祺、张学工 等，《模式识别》，清华大学出版社，北京2000 p2。
[5]黄德双，《神经模式识别系统理论》，电子工业出版社，北京1996。
[6]Abhijit S.Pandya, Robert B. Macy著，徐勇、荆涛等译，《神经网络模式识别及其实现》，电子工业出版社，1999。
[7]王建平 盛军 方敏，基于小波分析的视频图像字符特征提取方法研究，微电子学与计算机，Apr．2002。
[8]王广宇，车辆牌照识别系统综述，郑州轻工业学院学报(自然科学版)，Vol．16，No．2，Jun．2001，p47～50。
[9]闻新、周露、王丹力、熊晓英，(Matlab神经网络应用设计》，科学出版社2000。
[10]王丰元，计算机视觉在交通工程测量中的应用，中国公路学报，Vol．12(1)，1999，p90～94。
[11]林立、何为、韩力群，汽车牌照自动识别技术的现状与发展，北京轻工业学院学报，Vol．19， No．1，Mar．2001，p36～40。
[12]Johnson A S, Bird B M, Number-plate matching for automatic vehicle identification, Electronic Image and Image Processing in Security and Forensic Science [C], IEE Colloquium, 1990(4) :p1-8.
[13]寥金周、宣国荣，车辆牌照自动识别，微型电脑应用，Vol．15(17)，1999，p32～34。
[14]Raus M, Kreft L, Reading car license plates by the use of artificial neural networks. In:Proceedings of thel 995IEEE3 8th Midwest Symposium on Circuits and Systems, NJ, USA:IEEE. 1995, Part1 (of 2 ):538～541.
[15]晏建华、赵正校，基于属性开运算的汽车牌照区域定位算法，微型电脑应用，Vol．15，No．11，1999，p18～20。
[16]Kamat V, Ganesan S. An efficient implementation of the Hough transform for detecting vehicle license plates using DSP' S. In: Proceedings of ReM-Time Technology and Applications Sympo-sium, CA, USA:IEEE Computer Society Press. 1995:58～59.
[17]Byoung T C eta1. A method to extractvehicle number plates by applying
signal processing techniques. Journal of the Korean In-stitute of Telematics and Electronics, 1995, 30B(7):92～101.
[18]王建平，姜滔，基于小波与神经元模式识别的图像分割方法的研究，电子学报，已投。
[19]中华人民共和国机动车号牌 中华人民共和国公共安全行业标准(GA36—92)。
[20]张引、潘云鹤，面向车辆牌照字符识别的预处理算法，计算机应用研究1999，No．7。
[21]李小平 任江兴 杨德刚，车牌识别系统中若干问题的探讨，北京理工大学学报，Vol．21 No．1 Feb．2001。
[22]曹迪铭 宣国容，牌照字符分割中的区域分裂与合并，计算机工程，Vol．26NO．10 Oct．2000。
[23]Shunji Mari, Kazuhiko Yamamoto. Historical Review of OCR Research and Development. Proceeding of IEEE, 1992,80(7): 1029～1057.
[24]梁玉尧，李多等，汉字图像的小波分析，计算机研究与发展，Vol．10，No．4，1996，p12～19。
[25]路浩如，杨源远，手写体汉字识别问题综述，计算机应用与软件，Vol．11，No．2，1992，p1～8。
[26]张炜 王庆 赵容椿，汽车牌照实时识别，信号处理，Vol．16，No．4，p372～375。
[27]郭军 马跃等，发展中的汉字识别理论和技术，电子学报，Vol．23，No．10，1995，p184～187。
[28]韩宏 杨静宇，神经网络分类器的组合，计算机研究与发展，Vol．37，No．12，2000，p1488～1492。
[29]赵明，手写印刷体汉字识别方法综述，计算机研究与发展，Vol．30，No．4，1993，p59～64。
[30]郑南宁 张西宁 戴莹 朱海安，行使车辆牌照自动识别系统，西安交通大学学报，1991，Vol．6，p43-53。
[31]郭勇 吴乐南，行使车辆的牌照识别系统，电子工程师，2000，Vol．11，p37-41。
[32]叶晨洲，车辆牌照字符识别系统，计算机系统应用，1999，Vol．5，p10-13。
[33]金连文 徐秉铮，手写体汉字识别中的一种新的特征提取方法——弹性网格方向分解特征，电路与系统学报，Vol，2，No．3，August．1997。
[34]V.K .Govindan, A. P .Shicaprasad, Character Recognition-A Review,
Pattern Recognition, 1990, Vol. 23(7), p671～683.
[35]王建平 姜滔 朱程辉，基于小波和矩的图像字符特征提取方法研究，信号处理，已投。
[36]Funahashi K , Multilayer NN and Bayes decision theory[J] , Neural networks , 1998,11, p209-213.
[37]张得喜 马少平等，基于统计与神经元方法相结合的手写体相似字识别，中文信息学报，Vol．13，No．1，2000，p99～101。
[38]路浩如 杨源远，手写体汉字识别问题综述，计算机应用与软件，Vol．11，No．2，1992，p1～8。
[39]秦前清 杨宗凯，《实用小波分析》，西安电子科技大学出版社，西安1998p1。
[40]胡昌华 张军波 夏军 张伟，《基于MATLAB的系统分析与设计——小波分析》，西安电子科技大学出版社，西安1999 p17。
[41]傅晨钊、汲胜昌等，门限小波去噪在变压器冲击试验中的应用研究，中国电机工程学报，Vol．21，No．7，JUL 2001。
[42]Donoho DL, De-Noising by Soft-Thresholding, IEEE transactions on information theory, 1995, 41(3).
[43]胡家忠，《计算机文字识别技术》，气象出版社，北京1994，p11-17。
[44]Richard G Casey and Eric Lecolinet, A Survey Of Methods And Strategies In Character Segmentation, IEEE Transactions On Pattern Analysis And Machine Intelligence, Vol.18(7), 1996, p690-706.
[45]Yi Lu, Machine Printed Character Segmentation —An Overview, Pattern Recognition, Vol. 28(1), 1995, P67～68.
[46]Shunji Mari、Kazuhiko Yamamoto, Historical Review of OCR Research and Development, Proceeding of IEEE, 1992, 80(7): 1029～1057.
[47]章毓晋，《图像分割》，科学出版社，2001。
[48]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，Vol．13，No．2，2000，p174～180。
[49]高鹏、谭宏等，基于神经网络方法的手写体数字识别，吉林工业大学学报，Vol．27，No．1，1997，p79～82。
[50]娄震、胡钟山等，基于轮廓分段特征的手写体数字识别，计算机学报，Vol．22，No．10，1999，p99～103。
[51]吕岳、邬建中等，窗口信函邮政编码分割与识别系统的研究和实现，计算机研究与发展，Vol．36，No．8，1999，p671～683。
[52]阚伟、朱秋煜，一种改进的基于模板匹配的集装箱字符识别方法，计算机工程，Vol．26，No．12，2000，p119～120。
[53]V. K. Govinda, A. P. Shicaprasad, Character Recognition-A view, Pattern Recognition, Vol. 23(7), 1990, P671～683.
[54]Abhijit S. Pandya, Robert B. Macy著，徐勇，荆涛译，《神经网络模式识别及其实现》，电子工业出版社，1999。
[55]王灵泉、丘伟峰，图像锐化边界和Rapid变换的手写汉字识别，模式识别与人工智能，Vol．8，No．2，1995，P149～152。
[56]金琪、戴汝为，矩、不变矩、角度矩及傅立叶描绘子，模式识别与人工智能，Vol．6，No．3，1993，P181～187。
[57]金连文、彭秀兰、尹俊勋，一种手写体汉字特征提取新方法——小波变换及弹性网格技术的应用，中国图像图形学报，Vol．3，No．7，1998，p549～552。
[58]马少平、夏莹、朱小燕，基于模糊方向线素特征的手写体汉字识别，清华大学学报，Vol．37，No．3，1997，p42～45。
[59]闻新、周露、王丹力、熊晓英，伽atlab神经网络应用设计》，科学出版社，2000。
[60]Wasserman, P. D, Advanced Methods in Neural Computing, New York: Van Nostrand Reinhold, pp. 35-55, 1993.
[61]王建平 王志红，基于小波分析和神经元网络的车牌字符识别研究，待投。
[62]王建平 王志红 王金玲，小波分析在图像消噪中的应用研究，微电子学与计算机。
[63]王建平 王志红，基于Hough变换和小波分析的车牌字符分割研究，待投。
© 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 |