基于SURF特征和M-tree檢索的模糊車牌識(shí)別研究.pdf

1、車牌自動(dòng)識(shí)別系統(tǒng)通過(guò)圖像處理和分析,管理海量車牌數(shù)據(jù)集,自動(dòng)識(shí)別字符信息,在智能交通系統(tǒng)中占有重要地位。但對(duì)于實(shí)際拍攝中主觀人為或者客觀氣候等原因造成的模糊情況,以往的字符識(shí)別算法并不能達(dá)到高效、快速識(shí)別的要求。本文針對(duì)模糊車牌識(shí)別的諸多問(wèn)題展開探討與研究。論文圍繞完整的LPR系統(tǒng),包含車牌圖像預(yù)處理、車牌定位、字符分割、特征提取、字符識(shí)別五個(gè)基本步驟,尤其在字符的特征提取階段采用具有尺度不變、旋轉(zhuǎn)不變性的SURF快速魯棒局部特征進(jìn)行提

2、取操作,生成BOS特征向量集,并且將動(dòng)態(tài)索引結(jié)構(gòu)的M-tree應(yīng)用到模糊車牌字符匹配識(shí)別階段,這種檢索結(jié)構(gòu)利用BOS特征向量集構(gòu)建字符的特征向量概率樹,再利用最近鄰搜索方法中的基于歐氏距離度量準(zhǔn)則計(jì)算特征向量集之間的相似性距離,建立M-tree,利用此M-tree與待識(shí)別字符的特征向量檢索匹配。通過(guò)實(shí)際地區(qū)拍攝車牌,仿真實(shí)驗(yàn)結(jié)果進(jìn)行統(tǒng)計(jì),進(jìn)一步驗(yàn)證M-tree動(dòng)態(tài)檢索方法有效解決了模糊車牌識(shí)別領(lǐng)域中由于字符筆劃缺損導(dǎo)致難以正確識(shí)別車牌字