应用研究
基于统计的车牌字符识别
肖雄黄樟灿
(武汉理工大学理学院湖北武汉430070)
数字执本开写流用
摘要：车牌字并分制后的字符识别是车牌识别系统的技术关键，日前字符识别的主流技术方法为基于字符特征提取的神经网络识别。日前国际上对字符识别技术有了较为成熟的研究成果,但是,达要技术尚不能对中国机动车牌中的汉字部分进行识别。本文将对车牌的汉字识别技术提出基于统计的识别方法，并对汉字的特征提取提出相应的技术方案。
关键词统计车牌识别特征提取分类器
中图分类号：TP391.4 1汉字的分类识别
文献标识码:A
按照我国机动车号牌标准，车牌的第一个字符为汉字，并且该字符为省、自治区、直辖市简称和一些特殊字符，总共37个汉字，且汉字字体有标准统一，因为所有的机动车号牌中第一个汉字字符固定，是37个汉字中的一个，因此我们可以对每个字符进行特征统计，
通过聚类的思想对字符进行分类。 2基于聚类的汉字字符判别
汉字字符的分类识别识别与其他分类一样，同样分为三个步骤：分类对象特征提取，构建分类器；分类计算。
2.1提取特征向量
本文将通过数字图像的统计特征进行字符特征的提取。
对每个字符建立特征向量y，=(x）。首先，对车牌中的37汉字字符标准的图像样本进行特征统计，读取图像后，转换为二值图像。提取特征包括字体占有率，左右分布比例、上下分布比例。
从37个字符中可以看出，随着每个汉字字符的笔画数目复杂程度不同，字符的占有率，左右分布、上下分布各不相同。因此，这些特征对于字符的判别分类具有重要的意义，首先，通过图像的数值矩阵结构特征计算图像边界：Boul,Bou2,Bou3,Bou4分别为边界上下左右的行列号。下面对这些特征信息进行提取：
[α=Bou2Boul b=Bou4Bou3 Q'= int(a/n,)[b'= int(b/n,) 占有率：
sumf(i.j)
(i Boul,.-,Bou2; j = Bou3,..., Bou4)
x, =
ab
文章编号:1007-9416(2016)04-0074-01 左右分布：
., o ow..o X,:
[x, =1 x2 上下分布：
.u.o [x, =1x,
至此，完成对汉字特征的提取，下面对汉字进行识别。 2.2聚类分类识别
这里我们仍然采用聚类分析的思想，通过衡量距离计算相似度，达到对汉字字符分辨识别的目的。根据上面建立的样本集合 y)，Y==1,2,3..37，首先，采集样本信息，计算出每一个向量J，然后对每个判别对象J，进行相同信息的提取，然后进行测度衡量。
2.3分类计算
下面将样本代人进行计算，通过预处理，放缩、角度校正等得到字符图像的二值图，对样本。进行直接聚类法判别，结果如表1。
从表1中我们可以看出，最小距离为1.1521,判别结果为“京"，
结果正确。参考文献
[1]邹永星.车牌字符分制方法的研究[D].颈士学位论文,湖南：湖南师范大学.2008
[2]王广字.车辆聘照识别系统综述[].郑州轻工业学院学报(自然科学版),2001.16(2):4750.
[3]陈珍.车牌识别系统关键技术研究[D].项士学位论文.湖南大学 2011.
表1聚类判别结果
字符序号
距离字符序号距离字符序号距离字符序号距离字符序号距离
字符！ 1.1521 字符9 2.2514 字符17 3.8672 字符25 1.7647 字符33 2.4797
收稿日期：201602-23
字符2 1.8743 字符10 1.1803 字等18
字符26 2.271 字符34 2.4594
字符3 2.2221 字符11 1.6856 字等19 2.07 字符27
字符35 2.6364
字符4 2.9219 字符12 2.4131 字符20 1.8884 字符28 1.764 字符36 6
字符5 2.5366 字符13 3.5877 字符21 2.0846 字符29 2.4379 字符37 3.7649
字符6 1.7377 字符14 1.8951 字符22 1.4894 字符30 2.0666
字符7 1.6292 字符15 2.3535 字等23 2.1646 字符31 1.893
作者篇介：肖雄(1991一),男，汉族，湖北武汉人,武汉理工大学理学院2013级计算数学系研究生，研究方向：模式识别。 74
字符8 3.3644 字符16 1.9021 字符24 2.2203 字符32 2.1324