贺瑜飞

(榆林学院)

0 引言

自动识别系统进行车牌识别，主要由车牌定位、字符分割和字符识别这三部分组成，在字符识别的过程中，由于我国车牌中的信息包含数字、字母和汉字，所以字符识别率是车牌识别的关键部分，传统的方法有贝叶斯统计决策模式识别方法、结构模式识别方法、神经网络方法，还有基于支持向量机的一些识别方法.但是对于一些模糊的车牌，单纯的用一种方法，效果不是很好，该文最后采用了改进的神经网络和模板匹配结合来识别字符，使得车牌的字符识别性能能够得到明显的提高.

1 预处理

1.1 归一化

字符归一化，在某些情况下，可以消除字体大小以及分辨率高低的一些情况对车牌的影响，归一化处理就是消除这些影响，其主要思想是经过对不同尺寸和不同大小的字符化为统一的字符图像.

经过处理后的某像素点(m，n)，规定在原图像下的坐标为:

原图大小X×Y，处理后的大小为M ×N，以下的方法是求出像素点位置和他们最近的像素的灰度值，如图1中，假如p像素最相近的四个相邻像素分别是 a、b、c、d，坐标为(x0，y0)，(x0+1，y0)，(x0，y0+1)以及(x0+1，y0+1)，灰度值是g(a)，g(b)，g(c)和 g(d).

图1 四个相邻的像素图

e的灰度值g(e)和f的灰度值g(f)为(以下上横线为两点间的距离):

那么p点的灰度值g(p):g(p)=ep［g(f)－g(e)］+g(e)

必须保证最后的图像仍是二值图像，需要做阈值处理，如果g(p)≥0.5，则归一化后的图像像素灰度为1相反则为0.最后形成32×32的标准字符，标准化后的图像如图2所示.

图2 标准化后图像

1.2 字符细化

细化主要思想是提取……