学位论文 > 优秀研究生学位论文题录展示
模糊车牌的统计识别
作 者: 孙倩
导 师: 刘应安
学 校: 南京林业大学
专 业: 计算机应用技术
关键词: 字符识别 加权分块二维线性鉴别分析 递增EM算法 GMM聚类 递增FCM算法
分类号: TP391.41
类 型: 硕士论文
年 份: 2012年
下 载: 52次
引 用: 0次
阅 读: 论文下载
内容摘要
车牌识别是现代智能交通系统中的重要组成部分,而汽车牌照自动识别系统包含3大主要部分,即车牌定位、字符分割、字符识别。本文应用二维线性鉴别分析(2DLDA)、加权分块二维线性鉴别分析、递增EM算法、二维模糊C均值聚类(2DFCM)、递增的2DFCM等算法研究车牌识别的问题,主要是研究其中的字符识别。具体内容如下:一、分析了二维线性鉴别分析算法(2DLDA)和最大散度差鉴别准则,以及与标准LDA算法相比的优点。2DLDA算法直接利用图像的二维矩阵进行运算,只需较少的特征向量组成特征空间,就可以使图像在特征空间中具有较好的可分离性,且避免了小样本的问题。二、确定组成混合模型的成分个数是建立高斯混合模型的首要任务,为了能够根据不同的输入模型自动确定相应的成分个数,论文引入了递增的思想,不断应用EM算法建立高斯混合模型。实验表明算法可以自适应地确定成分个数并对图像进行粗聚类。三、标准FCM算法中选取不同的初始聚类中心,会得到不同的聚类结果,影响到聚类的稳定性和准确率。针对这个问题,本文提出了改进的递增2DFCM算法,实验表明此算法可以自适应的选取聚类的类别数,且得到较稳定的聚类效果。四、分块二维线性鉴别分析算法不能突显出容易区分相似字符的区域,所以本文结合Relief算法的思想,提出了改进的加权分块二维线性鉴别分析算法。该算法将图像按需要分为不同子块,考虑相似图像中每个子图像块对分类识别效果的不同影响,采用Relief算法赋予不同子块相应的权值。实验表明此算法可以有效地提高识别的抗干扰能力。五、采用3种算法对同一个字符图像集进行实验,实验表明改进后的算法与标准算法相比具有一定优势。最后通过实验分析了字符识别率与字符缺损率之间的关系,以及字符被误识的原因。
|
全文目录
致谢 3-4 摘要 4-5 Abstract 5-8 第一章 绪论 8-13 1.1 研究的目的及其意义 8 1.2 我国车牌的现状 8-9 1.3 国内外研究现状 9-11 1.3.1 车牌识别研究现状 9-10 1.3.2 字符识别研究现状 10-11 1.4 本文的主要工作及创新点 11-13 第二章 二维线性鉴别分析 13-19 2.1 线性鉴别分析 13-14 2.2 二维线性鉴别分析 14-15 2.3 最大散度差鉴别准则 15 2.4 车牌字符的 2DLDA 实验 15-18 2.5 本章小结 18-19 第三章 高斯混合模型 19-29 3.1 高斯模型概述 19 3.2 高斯混合模型(GMM) 19-20 3.3 GMM 聚类 20 3.4 递增 EM 算法建立 GMM 20-25 3.4.1 EM 算法 20-22 3.4.2 递增 EM 算法建立 GMM 22-24 3.4.3 仿真实验 24-25 3.5 车牌字符的 GMM 聚类实验 25-28 3.6 本章小结 28-29 第四章 二维模糊 C 均值聚类 29-37 4.1 K-means 聚类 29-30 4.2 模糊 C 均值聚类 30-32 4.3 改进的模糊 C 均值聚类 32-35 4.3.1 递增的模糊 C 均值聚类 32-33 4.3.2 仿真实验 33-35 4.4 车牌字符的递增 FCM 算法实验 35-36 4.5 本章小结 36-37 第五章 加权分块二维线性鉴别分析 37-49 5.1 分块二维线性鉴别分析 37-39 5.2 加权分块二维线性鉴别分析 39-44 5.2.1 Relief 算法 39-40 5.2.2 分块子图像权值的计算 40-42 5.2.3 加权分块二维线性鉴别分析 42-44 5.3 加权分块车牌字符识别实验 44-48 5.4 本章小结 48-49 第六章 模糊车牌识别 49-59 6.1 图像预处理 49-52 6.2 字符识别 52-54 6.3 车牌字符图像识别实验 54-58 6.4 本章小结 58-59 第七章 总结与展望 59-61 7.1 本文总结 59 7.2 展望 59-61 参考文献 61-63
|
相似论文
- 基于PowerPC架构的车牌识别算法研究,TP391.41
- 基于模糊逻辑的车牌识别系统研究,TP391.41
- 基于车牌识别技术的智能交通系统的设计与实现,TP391.41
- 铁路货车车号识别的算法研究,TP391.41
- 车辆牌照识别算法研究及其在GPU与CPU协同平台上的实现,TP391.41
- 复杂背景图像中的文字提取技术研究,TP391.41
- 基于混沌优化方法的BP神经网络的印刷体字符识别研究,TP391.41
- 车牌字符分割和字符识别的算法研究与实现,TP391.41
- 计算机识别几何畸变车牌图像的关键技术研究,TP391.41
- 基于DSP和FPGA的纸币冠字号码识别系统设计,TP391.41
- 印刷电路板的自动光学检测系统的设计与研究,TN41
- 调节系数的BP神经网络在字符识别中的研究,TP183
- 车牌字符识别方法研究,TP391.41
- 智能交通系统中车辆识别技术的研究与应用,TP391.41
- 基于数字图像处理的人民币号码检测算法研究,TP391.41
- 车牌识别系统关键技术研究,TP391.41
- 车牌识别中关键算法研究与实现,TP391.41
- 基于图像处理技术的车牌识别的研究,TP391.41
- 基于机器视觉的卡证识读系统,TP391.41
- 车牌识别技术研究,TP391.41
- 航空气象地图的分层化OCR系统及其若干关键技术的研究,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|