基于PCA-SIFT算法的車牌識(shí)別技術(shù)研究.pdf

1、隨著我國(guó)經(jīng)濟(jì)迅速發(fā)展，道路、停車場(chǎng)等基礎(chǔ)交通設(shè)施不斷完善，對(duì)智能交通管理與控制提出了更高的要求。車牌自動(dòng)識(shí)別系統(tǒng)(Vehicle License Plate Recognition System，LPRS)利用計(jì)算機(jī)對(duì)視頻交通圖像進(jìn)行處理、分析和識(shí)別，從中提取出車牌信息，方便交通調(diào)度、收費(fèi)和統(tǒng)計(jì)等管理，是智能交通管理的熱門核心課題之一。目前國(guó)內(nèi)外許多學(xué)者專門研究車牌定位和車牌字符識(shí)別等關(guān)鍵技術(shù)，并取得一定成果，但仍存在許多值得繼續(xù)研究和

2、改進(jìn)的地方。比方說(shuō)，傳統(tǒng)算法算法局限性很強(qiáng)，當(dāng)環(huán)境發(fā)生復(fù)雜變化時(shí)，這些算法就顯得無(wú)能為力。David G.Lowe在前輩工作的基礎(chǔ)上，于2004年提出了完善的SIFT特征提取算法。大量實(shí)踐印證，面對(duì)物體旋轉(zhuǎn)、有背景遮擋、尺度縮放、外界噪聲等復(fù)雜情形時(shí)，SIFT算法處理效果都很好，但在描述特征點(diǎn)時(shí)，使用的維數(shù)偏高，造成數(shù)據(jù)計(jì)算量非常大，且提取的特征點(diǎn)較多，造成特征匹配時(shí)間過(guò)長(zhǎng)，降低了匹配效率。
　　 本文采用PCA-SIFT算法對(duì)

3、原始算法中的特征點(diǎn)描述符進(jìn)行降維，提出了一種基于PCA-SIFT算法的車牌識(shí)別方案，從而快速而又準(zhǔn)確地進(jìn)行車牌識(shí)別。車牌識(shí)別主要由圖像預(yù)處理、車牌定位、字符分割、字符識(shí)別[4]幾部分構(gòu)成。首先，對(duì)車牌圖片進(jìn)行預(yù)處理，以便提高車牌定位的準(zhǔn)確性與快速性。具體步驟為:圖像增強(qiáng)、二值化去噪、銳化，歸一化等，實(shí)驗(yàn)過(guò)程中，對(duì)傳統(tǒng)算法的參數(shù)進(jìn)行修改，結(jié)果表明，修改參數(shù)后的PCA-SIFT算法提高了車牌識(shí)別正確率。車牌定位部分:首先用PCA-SIFT算

4、法提取標(biāo)準(zhǔn)定位車牌的特征向量并保存，然后用PCA-SIFT算法提取待識(shí)別車牌的特征向量并保存，之后將標(biāo)準(zhǔn)定位車牌的特征向量和待識(shí)別車牌的特征向量進(jìn)行匹配，最后根據(jù)得到的特征點(diǎn)匹配結(jié)果進(jìn)行車牌分割。車牌字符識(shí)別部分:首先用PCA-SIFT算法提取標(biāo)準(zhǔn)模板中字符的特征向量，然后用PCA-SIFT算法提取已經(jīng)定位出的車牌的特征向量，然后將向量進(jìn)行匹配來(lái)得到識(shí)別結(jié)果。本文采用MATLAB7.1對(duì)文中提到的算法進(jìn)行仿真，實(shí)驗(yàn)表明，與傳統(tǒng)算法相比，