車牌字符提取算法的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、隨著現(xiàn)代社會(huì)經(jīng)濟(jì)的高速發(fā)展，汽車保有量快速攀升，給傳統(tǒng)交通管控手段帶來極大的挑戰(zhàn)，智能交通系統(tǒng)的優(yōu)勢(shì)也因此顯現(xiàn)出來。作為智能交通系統(tǒng)的重要組成，車牌識(shí)別技術(shù)已成為該領(lǐng)域的核心技術(shù)之一。
　　典型的車牌識(shí)別系統(tǒng)由圖像采集、車牌定位、字符分割、字符識(shí)別四個(gè)部分組成。論文所設(shè)計(jì)并實(shí)現(xiàn)的車牌字符提取算法主要以車牌定位和字符分割為研究對(duì)象，目的是從車輛圖像中自動(dòng)提取車牌及字符，重點(diǎn)解決車牌定位與字符分割算法的設(shè)計(jì)及其向嵌入式系統(tǒng)中的移植與優(yōu)

2、化問題。
　　針對(duì)車牌定位問題，論文設(shè)計(jì)并實(shí)現(xiàn)了一種基于Soft Cascade分類器的算法。該算法采用機(jī)器學(xué)習(xí)技術(shù)，使用AdaBoost算法提升決策樹樁，每個(gè)決策樹樁是用Haar特征擬合的一個(gè)弱分類器，分類器訓(xùn)練完成后為每個(gè)弱分類器標(biāo)定一個(gè)閾值，將最終得到的弱分類器和標(biāo)定得到的閾值級(jí)聯(lián)形成一個(gè)強(qiáng)分類器，結(jié)合圖像金字塔實(shí)現(xiàn)多尺度檢測(cè)，實(shí)現(xiàn)了高精度車牌定位。
　　針對(duì)字符分割問題，論文設(shè)計(jì)并實(shí)現(xiàn)了一種基于垂直投影和先驗(yàn)知識(shí)的算

3、法。首先使用Radon變換校正傾斜車牌，再根據(jù)邊緣圖像中行的黑白跳變頻率來提取車牌字符區(qū)域，隨后將所得結(jié)果規(guī)范化成黑底白字的二值字符圖像。字符分割時(shí)，先用垂直投影進(jìn)行粗分割，隨后再根據(jù)先驗(yàn)知識(shí)對(duì)粗分割結(jié)果進(jìn)行精調(diào)，實(shí)現(xiàn)了獨(dú)立字符的準(zhǔn)確分離。
　　在臺(tái)式計(jì)算機(jī)驗(yàn)證相關(guān)算法的準(zhǔn)確性后，本文將上述程序移植到ARM(TIDM365)平臺(tái)之上，并對(duì)相關(guān)的代碼進(jìn)行了優(yōu)化，以提升程序的執(zhí)行效率。所有算法軟件均使用C語言(C99)開發(fā)，通過查表、