（通信与信息系统专业论文）车牌识别系统中字符识别技术的研究.pdf

孛窭琵焉蘸牵辜蠡猫 鑫夯器等 妻室l 藿；薹一毒 i i 目i 盘器i 豁戮戮j 霎萍i 趔鞠。翁阮蹙菱冀弼套用滢湃潮灞闭嘲漓黼灞皤穗i i i ： ”稚岛麸甄赫醵磁；i 型i 。瑟! i i ，；篓 i ! ；l 融；! j 撵麓攀。器紧式赣缓爨爨重复露整嚣鸳；i i j 攀釜套器鬈螽：l 耋i g ! l i # i i ! i i 主i 窆薹筝；二剿i 薤蔓l 霆碍藜霉j 薹! 薹! 乳器舀辇錾l 蠡i l 蠢；i 耋! i 至i 番蘩警辇囊囊i 荤莲鬻薯薯l ￥彝彝囊善l 萋 r r 毒j i 董 薹萋荽霎诖i 磐旧蠹莹i 翌；器自壹i ! 三。妻妻耄i ；罨兰霹：能叁i i 妻酶蘸薹肇囊崔喜复嗖孽同i i 黼移露孽净玉肾复囊 蠢器圭茔d 瓣 瓢基j 曩i 錾登? ? 量雾：蓥萋荆妻i i ；il 霎i l “i 0 i 幕ij 瞄喜誊i 鼙耋? 霎薹霉差掣参荨孽篓一囊瓣要嚣嚣群士辜谣藩器l ； l 琴i i 留_ ：襄i 毫冀薹塞薹屿i 囊l ；囊j ：蠢 l 要差曩霉霉 i l = i 萎翥亨；簧。宝一；l l i 毒童j 罐_ 蠢囊i 篓；l ；l ；摹；琴矧g l 羹! i 夔。；i ；霉蠹蒜；i 孽藿囊薹；鹫蒌剖量g 霪二 ! 疆 ! | l f ；i | ；薹薹| 一i ； l ；! 五蠢嚣；麓勰篱j 霞婪髫鑫菇荔辩瑟麓萋蘧饕黧雾雾囊! 飘蚕雾蓍爱烈霆篓ji i | 薹笔；l l i 霎囊一蓁妻 l ；阻鋈鬟辇：髯凄篓i 笔骚媳煦；爨鳖雏薯酣 薹嚷找耍嚣氆满弼滋陶嶂瘦i ；l = 鬟攀氇哥傻 嚯溺硒。羹| i ；i ；li i 摹 等= ；幽搿洲。臻孽案艨攘疆砰晒秘舔鋈。叫礤蓁瓤醚鹳醚躺鲤i 囊彗酽雾刚j ? 箨睦薹 j ； ；囊j ；季奏- 耋季 串霪毽凑孳鬈掌嚣攀害学位谂文 毒善引篓爹芎尝薹塑蘩囊薷冀主鬃撮移堪塑蓬，霸鏊蔫；耋= 秣酲。? 嚣黾| 量霉蠢瑟矍矍i e 璺二毒耋 l 女g i 鬻搿强j 撼糍i 圆噗i 稻蓦i 囊戮餐型毽警凌测型罄蚤委蘩曛冀嚣霪篱辩：i ，冀 鬻溪譬簦嚣携爨驽，孽潜薹l i # 举蟊蘸。嚣 l l i 翼孽蘩，荔篆翼：塑鍪羹鼗錾冀襄霞搿裂簿莲器蠢邀餐篷蘩萌翻鍪羹琴冀；i ? 塑耄 鞫嚣冀jg n * ! ；g i i l l i 墅；i 释嚣黧：囊澎弱嚣羹酾夔囊蔷疆蠢胄蓑鋈莛嚣癸嚣麓鋈强j ；蘩霪爨疆邋辫；：薅i i i ， 冀满慧翼羹蔽联曛登萎i 薹l ；m 懑泽= 型塑翦麓鏊鬟曩篓鞠嚣鏊瀵嚣泛翼溆舔 l 器鼗娶群廷妻 篇殴i 黎醺誉嚣 建鞘l 孬塞： ；g i 理篙蓄! 囊蓊籁蓉，嚣瑟瑟薅i 鲢 。 g 瑟，醒藤毯蠢蠡蜜露；量蓁0 垒= | # ，l 自g l i 萋囊；葱澄篓。孽霞鬟爨豪嚣瑟瑟蠢鬻鏊蘧嚣蠢曩；i ；辫蠹嚣鞠甏黎圉! 篓嚣l 霞 曩黧羹；l 自g g ；笔霪碧募鍪莲h ，蕤鼍羹霎舞。避妻誊鬓& l 笺羹= 冀；鞋塞霉善i 燃；蒜甜剖黧。蓥；嫠垤m 稍筹目萋囊垂烈疆螽辫； # 塞圣l i 0 i i t ! 自_ 囊 ；l 零8 诗h 强i j 夔，雾譬鞋囊垂；0 e l _ i 塔，薹篷i i p gg 羹囊，爨岔鬟! 鏊耋蒌蕈嚣霾q 趟；i _ t 鬟；囊鬻燃攥 凌母芸善冀盖肇豁建塞孳冀；澎垂蕊囊垂羲氡矍菲毳羞冀翼萋臻k 蘩p 璐粥蹲批遂鹜辇鋈霎；嚣罄秀莲蕊基訇嚣i 骚羹羹 i 望割莛l 奏酗 耄i 塞酉l 主譬蠹夏i 耋番 ；每引薯霆i a 留譬! il 宰1 2 ；1 1 ；a 参翼錾。囊i 囊雩孽一嚯主羹 i i i ；嚣i 籁睡；蘩嚣冀冀蒌童霆磊冀羹蠢礴蠢鞠 i i 。磊冀震鏊荔靛韩姆；臣蠡蠡兰嚣i 婴； 雩錾j 彝骜 i 日h ；翳萄朗。辫嚣鬻；一鏊蓉鬻羹蓄羚璧篓熏司燮戮型l ；! ；蠢霖嚣鼗墅霜壅麓；i 耋i 二 墓薹； 交霎量霎萎薹羹羹茎薹錾囊至羹 纛戮霎 i ! i 囊奏；嚣装| 鋈囊霎垂耋霪繁页声囊继硐晦蹭蹬驷廷ii 礤呷碜噶濡饿；要潮s 剥雕 幽甄把l 鬻l ! | | ! 馊娶强蘩箸 j 笮奠羔警i 羔囊篓曦窄誊萋；冀! 函i ? 摹棼i 薹博鏊i i 霪掣蠹篓誊囊l ! 黛嚣墓羹美疆囊蠛守耍耍霍终孙露疆孽l - 毫乎毳毒妻! 萼 孽；蠢蠹娄i 望互# 鬟蚕譬；妻i 藿i 誊妻蠹蘸主毒“藉錾醚要 攀囊螽囊喾量量臻囊嚣鬻裂誊霉囊囊l ；镬j ；建妻妻i 鼙； 善圭羹一薹霎季 篓曩一i 妻妻萋j 。i 彗董：蟹囊i ；羹藏莘鲁霎差i 枣釜强擎i 藿j 墓? 薹i 萋萋； 善萋羹攀g 器量矗霪翥骥螽| 萝妻琵基i 囊墓宴耋燕 i i i 蠢i ；荔i 鬻眠蠹；i i b i 藤蠹。l i 露薹；霎；- 扣l 薹麓誊| 1 耋l 琶。垂 ! 要褂誊j 翥薹霉鬣童j ；荤善垂垂；芝i 雩i 季兰蓁雾璧li m 霉掣萎i 端翁萎蕈鲁薅考；釜l ：笋雾 鬈芝曼羹i至萋兰；聪墓囊部持是容。论文曲公布(锐捂弼登)授权牵国蓖翊靛空学院研究生帮办理。研究生签名：童! 垒导师签名：研究生签名：墨叠翌导师签名： 日耄；荭：y x 中国民用航空学院硕士学位论文 点，目前已广泛应用在商品销售、图书偻阅管理、仓瘁进出货管理、邮政管理等众多领 域。丽条形码用于汽车牌照的识别方面还是一种掰方法，它可以通过在车辘的侧露印刷 条形码(其中包括地区、车型、车牌号码等基本信息)，当条形码扫描器阅读出这毖信息 后，就可以完成识别的任务。但是条形码识别技术对于扫描器要求很高，并且同ic卡技术一样，须在全国范围有 i i ；一缸错捧：自：j f 霄到b 蓄冀璎匾边恒m 强； ：i = 1 量暨面彰”；验瓣“髓貊眦的鞠u 誊劐剥必学驯篓泌l 世篓睾谎天鋈謦? 牲警带 剖雨l 瀑增：铲栅蜀蒯胃彰烈型一_ 寥引刘尉扣刚劂琉歙jm 坠要垒圳引戮蟛腿一 臻舞嘲簿搐禽婴稀醵! 矬嘞瀚馐_ 旺搿潲淀噬坳璺疆骓受簿为d 转“。秘糙甜射骱旅客 瓣爻篇嚣跺戳；重；翦i 盼等囊鎏鬻1 可g i i ；萋k 磊掣型剥掣点 很小的时候，疏散流中几 乎不再出现“拥堵”和“缓解”的过程了，而是出现流量比较稳定的现象，直到入口 处不再有旅客进入拇指廊，旅客进入“疏散”阶段。可见，不能通过增加入口的宽度 的办法来缩短疏散时间。 图5 1 2 偏向强度d = 1 、拇指廊宽度w _ 8 格、入口宽度d 分别等于2 格、3 格、5 格时 的平均流量时间图 5 12 4 拇指廊入口分布情况对疏散时间的影响 图5 1 3 是不同入口分布下的平均流量一时间图。假设偏向强度d = 1 ，拇指廊宽度 w ：8格。我们分别模拟了入口间隔i = 2 0 格、入口宽度d = 4 格的情况，和入口间隔i 。1 0 嚣黜嚣 嚣翌| i 一娶莹 一 _ 基言 碰宙 嚣薹 兰譬薹嚣嚣鬟翟篡 o o o o o o o o o o o o o o n o o o o 一磐 x 中国民用航宅学院硕士学位论文 维，对需要处理和解决的问题进行记忆、联想、推理，从糯较好地鳃决了车牌识别中所 提出的因字符残缺不完熬而无法识别的问题。另外人工神经网络技术应用于车黪识别领 域与传统方法相比，还可以避免繁重的数据分析和数学建模工作，可以姆信息存健与处 理并行起来，大大提高了运行速度，因此越来越受到人们的广泛关注。 识别算法中值得重视的一个方面是算法的学习能力，当出现新的车牌模式时，算法 应该能方便、迅速地适应新的模式，可经过有指导的训练后迅速提高对新模式的识别率。 而如粜要求修改程序或者做大量调整才能适应新模式，则对用户非常不方便。而神经网 络本身具备的可学习性和稳健性，恰好符合牌照中字符劓暂王葭型j 坦毳缈鞑鞴斑豁磊 魍衙渊+ 鹊咱槲嘶：爵鞫赢黼鞘新拼娶鲧辎刽燃璺j 馒煅借与逐强矗按照航班时刻表到达的旅客流也可由系统平均指标随时 问变化的关系图得到一定的规律。我们发现影响疏散时间的主要因素是拇指廊宽度和 偏向强度。其中疏散时间与拇指廊宽度之间满足关系：t 。cw o7 9 士o0 8 ，比例系数随偏 向强度的增加而减小；而疏散时间与偏向强度呈难比例关系，比例系数随拇指廊宽度 的增加而增大。模拟的结果还表明，在保持疏散总人数不变的情况下，改变入口宽 度、改变入口分布情况都无益于疏散时间的减 x 中国民用航空学院硕士学位论文 1 4 本文的主要研究工作 本文魄主要任务是叙述、了使用数学形态学对字霉睾潮像遴行颚处理；针对实际牌照中 数字和英文字符图像，使用人工丰孛经网络中bp算法设计分类器进行识别：综合运用 boosting算法和bp算法对实际牌照中汉字字德图像进行识别。 本文共分六章。第一章对课题背景，lpr系统的研究现状翻发展趋势，车牌图像中 字符识别问题的提出进行了介绍。第二章介绍了车牌识别系统设计及构成原理，对系统 的硬件和软件构成进行了简要的概述。第三章介绍了如何对识别以前的字符图像运用数学形态学进行预处理，以减少噪声干扰和使字符图像归范化，更有利于特征的提取。第四章介绍了数字和英文字符的特征提取方法和运用bp算法设计了数字和英文字符识别分类器。第五章介绍了汉字特征的提取方法，boosting算法以及综合使用bp算法和boosting算法进行汉字识别。最后一章是结束语，对本文做了总结，并针对研究过程中存在的不足，对后续工作作了展望。 中国民用航空学院硕士学位论文 2 1 弓 吉 第二章车牌识别系统的基本构成 汽车牌照貊动识别系统是智能交通系统豹重要组成部分，燕高科技的公路交通监控 管理系统。它在传统的交通监控技本的基础上，弓l 入了数字摄像技术和计算视信惠管理 技术，采用先进的图像处理、模式识别稠人工智能技术，通过对车辆图像於采集和处理， 获得车辆的数字化信息，再结合先进的网络数据库技术，从丽达到更高的智能化管理水 平。图2 1 为一个完整的车牌识别系统的组成结构【1 8 1 。 图2 一l 车牌识剐系统构成阕 在上圈中，图像采集系统包括照明光源和c c d ( ( 蕊a 堵ec o u p l 醯d e v i c e ) 摄像头，以 摄取清糍的车辆图像和负责淘牌照识别系统提供连续视频数控倍号。车辆检测系统的作 用在予捡测锯时舂车辆经过，并及时囱牌照识别系统发送触发信号。牌照识剐系统又哥 分为计算机或d s p ( d 韬翻s i g n a lp f o c e s s i n g ) 处理器方式，该部分奁收到触发信号屠，从 图像采集系统获取一鞍图像数据作为识别算法的输入图像，并将识别结果传送至辨照检 索系统。牌照检索系统将牌照号码在系统保存的车辆信患数据黪中进行检索，并向执行 系统发送棚应的执行通知。 整套系统实际是一种硬件和软件的集成。在硬件上，它器要集成可控照明灯、镜头、 图像采集模块、数字信号处理器、存储器、通信模块、温控模块、单片机等；在软j 牛上， 它需要包括图像预处理、车牌定位与分割、校正、字符分割和字符识别等算法。这样的 中国民用航空学院硕士学位论文 2 1 弓 吉 第二章车牌识别系统的基本构成 汽车牌照貊动识别系统是智能交通系统豹重要组成部分，燕高科技的公路交通监控 管理系统。它在传统的交通监控技本的基础上，弓l 入了数字摄像技术和计算视信惠管理 技术，采用先进的图像处理、模式识别稠人工智能技术，通过对车辆图像於采集和处理， 获得车辆的数字化信息，再结合先进的网络数据库技术，从丽达到更高的智能化管理水 平。图2 1 为一个完整的车牌识别系统的组成结构【2 。2 。 图2 一l 车牌识剐系统构成阕 在上圈中，图像采集系统包括照明光源和c c d ( ( 蕊a 堵ec o 蕤# l 醯d e i j c e ) 摄像头，以 摄取清糍的车辆图像和负责淘牌照识别系统提供连续视频数控倍号。车辆检测系统的作 用在予捡测锯时舂车辆经过，并及时囱牌照识别系统发送触发信号。牌照识剐系统又哥 分为计算机或d s p ( d 韬翻s i i ；p l c e s ；n g ) 处理器方式，该部分奁收到触发信号屠，从 图像采集系统获取一鞍图像数据作为识别算法的输入图像，并将识别结果传送至辨照检 索系统。牌照检索系统将牌照号码在系统保存的车辆信患数据黪中进行检索，并向执行 系统发送棚应的执行通知。 整套系统实际是一种硬件和软件的集成。在硬件上，它器要集成可控照明灯、镜头、 图像采集模块、数字信号处理器、存储器、通信模块、温控模块、单片机等；在软；篓上， 它需要包括图像预处理、车牌定位与分割、校正、字符分割和字符识别等算法。这样的 中国民用航空学院硕士学位论文 3 。l 弓| 言 第三章字符图像预处理 出于天气变化、光照不均、摄像头聚焦不准、车辆行驶带柬的运动模糊、车牌的新 l 目、清洁度等诸多因素影响，造成了采集的车牌图像质量一f 降。对于上述释种质餐较差 的牌照图像，在识别之前，进行必要灼预处理操作，以改善图像质量，提高识别率。预 处理包括图像平滑、规范化等操作。糇处理与特征提取紧密相连，艇好的颈处理可以有 效的保持图像信息，使得后续阶段提取的特征能够更好的代表待识别模式。对于整幅图 像，往往采用图像增强、灰发拉伸、动态滤波、高斯滤波等预处理手段。这里主要针对 切分后的字符图像运用数字图像处理的相关算法提出了些有效的预处理方法【3 “。 字符识别部分的数据来自字符分割后的单字符图像，并且该图像已经是二值图像， 所以本章的预处理算法都是针对二值化的字符图像而提出的。 3 2 字符图像预处理 3 2 1 平滑 字符孱像经过平滑处理，能去捧噪声、干扰( 妇笔划缺损等) ，平滑笔划边缘，对 幅二值图像( 黑像素代表前景，白像素代表背景) ，平滑要达到的效果表述如下： l 、填充由黑像豢包围的白像素。 2 、填充边缘上的皇像素毁口。 3 、消除孤立点。 4 、消除边缘上的黑像素凸起。 图像平滑的处理操作也可以在空间域或频率域内进行。空间域和频率域所使用的方 法都可以看成线性图像滤波。空间域方法w 以餐成是利用常系数模扳进行卷积处理，频 率域方法是使用傅立叶变换进行分析。 为了提高图像平滑的效率，本文采用改进的u n g e r 提出的平滑算法1 3 2 】，表述如下： 设有3 3 的辅助矩阵如图3 一l 所示，其中p 为当前点，n o n 7 为它的八个邻接点，平滑 的规则为： 中国民用航空学院碳士学位论文 n 3n 2n l n 4 p 瓣 蟋蛹疰， 幽3 一l 辅助矩降 1 、当p 为白色时。n o ，n 2 ，n 4 ，n 6 中至少有三个为黑像素，是将p 改变黑否则p 不变。 2 、当p 为黑色时，如梁 ( 1 ) n o ，n 2 ，n 4 ，n 6 中有一个为黑，同时，其余七个邻接点都为白： ( 2 ) n 2 ，n 4 ，n 6 中至少有一个为黑，同时，n o ，n 6 ，n 7 中至少也有一个为黑时： ( 3 ) n o ，n 1 ，n 7 中至少有一个为黑，同时，n 4 ，n 5 ，n 6 中至少也有一个为黑时： 刚p 不变，否则p 改为自。算法效果如图3 2 所示。 3 2 2 规范化 图3 2 平滑效果 对字符图像在提取特征前遂常畿要恕字符图像作规范化处理。规范化有位鬻撰范 化、尺寸规范化以及笔划粗细规范化。 l 、位置规范化 为了消除字符在点阵位置上的偏差，需要把攘个字符点阵图像移动到规定的位置 上，这个过程被称做位置规范化。 有两种简单的位雹规范化的方法。一种是基于质心的位置规范化方法；另种是基 于文字外边框的位鼹规范化。基于质心的位置规范化方法需要首先计算文字的质心，然 后再把质心移动到指定的位置上米。基于文字外边框的位置规范化需要酋先计算文字的 外边框，并找出中心，然后把文字中心移动到指定的位置上来。图3 3 给出了两种方法 的示例，从中不难看出，基于质心的位置规范化方法抗干扰力更强 3 3 。 中国民用航窀学院硕士学位论文 囊潍缀像 辨罐蜘髓纯 图3 3 噪声对位置规范化的影响 质心的定义为 g ，= 4 c 鲫j c r i ， | = l j ；i i = ii ；l nmn艟 q = ，+ c 伽j c n l ， 式中，c 似。，定义如下：c “，一1 表示该像素点为汉字图像黑像素点 示该像素点为汉字图像背景，n 和m 是汉字图像的长和宽【3 麓。 2 、尺寸规范化【3 4 七6 l ( 3 1 ) c r f ，川一0 表 尺寸规范亿就是将输入的任意尺寸( 大小) 的字符图像都处理成统一尺寸的标准字符 图像。预处理中的尺寸规范亿不仅仅是宽和高按比例的缩放，它还要求保持拓扑关系不 交，这样才能够最大限度的突出所提取特征。常翔的方法介绍翔下。 ( 1 ) 分裂合并的规范化方法 设原始图像的大小为膨，规范化后的图像大小为p x q 。此方法分为两个阶段， 即分裂( s p l i t ) 邸合并陋e 瑁e ) 。在分裂阶段，将原图像的每一点放大尹q 倍，印将一该点 的像素僮复划到p q 的阵列中，则肼的阵列变成一个膨p ，q 大小的阵列：接下来 是合并阶段，将凇q 阵列划分成阵列大小为肼的p q 个区域，对肘区域 的所有像素取平均，使阵列m x 收缩成一个像素点。经以上操l 乍，膨尺寸的原图 就可以归一化为p q 大小的新图像。 ( 2 ) 插傻变换的规范化方法 该方法是通过规范化图像中像素对应在原图像中点的位置来决定规范化图像中像 素点的灰度值。设，r z ，y j 为原图像，g r 茗，y ，为规范化厢的图像，g r x ，) ，j 中的任意一点 f ，均) ，对应于厂f x ，y ，中的点r ，6 ，搬据f 口， 的具体情提来确定g r 掌，y ，中像索点 中国民用航空学院硕i 学位论文 r 嘞，蜘，的值。规范化图像中像素熹帮原图像中像素点的睽葑于关系为 忙焉? ( 3 2 ) 。= 器 ”“ 式中w 鼢是原图像的宽度，w 椭7 是规范化后韵图像宽度； p 劬f 是原图像的高 度，船动f 是规范化后的图像高度。规范化图像中的点r ，j 映射到原图像中的点 ，球，6 ，如果是整数，表明f 两，蜘，正好对应在原图像的网格点( 像素) 上，不必进行内搪 变换，直接令r ，y o j 的灰度值等于位于r 口，6 j 处的灰度值：g r 粕，j = ，r 甜，6 j 。如果 ，d ，6 j 不是整数，即在该点没有定义，那么要进行像素内插变换。一般有种内捶变换方 法来决定鲥确，如，的傻：邻近插僮法、双线性捶傻法、三次播傻法。 邻近插值法：邻近插值法中规范化的图像酊，j 的灰度值是用r d ，6 j 邻接的四个 网格点“，j ，f + j ，j j ，r f ，j + u ，一+ j ，+ u 中最接近它的点的灰度僮来近似，即： g f 岣，蜘，= 球：6 ，其中f 口：6 ，为泡6 ，距其相邻四个网格点中最近戆一个嬲格点。从 图3 4 中可以看出f 盯，6 j 与r f ，+ 纠的几何距离即圻f d 尸+ r ，+ j 一6 尸最小，所以 “j + j j 就是r d ，6 j 的最近邻点似：6 ，。 l j j 谯+ 乱 ( 如b ) ，静1 ) 8 + 喜 幽3 4 最近邻近点的图形表不 双线性插值法：双线性插值法中r ，虬，的灰度值是用与r “，6 j 邻近的四个嘲格点 r f ，i ，f f + j ，办，“歹+ j ，“+ j ，+ 纠，按照下面的公式来近似： 蛰，确) - m j ) l l 一般l 一渤+ ，i l 、j 婚l 一h m j + 1 ) ( 1 咱) 融确斗l - j + | 坤 鸭。曲 其中，f ，为口，6 取整的值，圩2 口一l ，2 6 一，如图3 5 所示。 1 ! 宴垦望塾塞堂堕婴主堂焦堡苎 翻3 5 双线性插值 三次插值法：三次插值法的插值邻域大小为4 4 ，即r ，殉，的灰度值是用与r 以6 j 邻近的1 6 个点的灰度值来近似的，按照三次多项式来进行内插。它的捅值效果比较好。 是一种高精度算法，但相应的计算量也较大。计算公式比较复杂。本文不再详述。 通过比较上述三种插值法可以看出，三次插值法的精度最高，但其计算量也最大： 邻近插值法的精度相对比较低，但实现很简单。综合考虑处理时间和算法复杂度以及实 际的效果，本文选用双线性插值法进行规范化处理。双线性法的精度可以满足实验的要 求，实现也较简单，如酮3 6 所示。 徽徽 ( a ) ( b ) 图3 6 双线性搔值法放大字符图像 ( a ) 6 9 x 7 6 像素；( b ) 3 0 0 1 5 0 像素 3 、笔划粗细规范化【3 7 。3 9 】 在经过位鬻和尺寸规范化后，还需进行笔划粗细规范化处理。一般常用的方法是细 化算法。对字符谚 别来说，字符笔划的宽度信息冗余有可能导致识别错误。为此，对字 符进行细化处理，也可以起到除去冗余的部分的作用。字符的细化有利于字符几何特征 的提取，减少识别运算爨，提高识别率。 字符细化的基本要求如下： ( 1 ) 要僚持原有笔划的连续性，不能由于细化造成笔划断开。 ( 2 ) 要细化为单线，即笔矧宽度只有一个像素。 ( 3 ) 缩化后的骨架应尽量是原来笔划豹中心线。 ( 4 ) 要保持文字原有特征，既不要增翻，也不要丢失。 中国民用航空学院碗士学位论文 本文中使用基于数学形态学的细化算法。数学形态学( m a l h e 蛾a t i c a lm o l p h o l o g y ) 是 建立在集合论基础上的一门新兴学科，非常适合信号的几何形态分辑和描述。其綦本思 想是利用结构元素对信号进行“探测”，保留主要形状，删除不相于形状( 如噪声、毛刺) 。 作为探针的结构元察，可直接携带知识，如方向、大小、色度等信息，来探测、研究包 含了主要信息的结构特征。使用不同的结构元素可以得到不同的结果。 腐蚀和膨胀是二值图像的初等形态学运算，许多形态学的算法都是在腐蚀和膨胀的 基础上进行的，击中击不中变换则是用的形态学细化方法中最基本的算予。下面分别介 绍以下这些相关概念的定义： 腐蚀：给定2 个集合a 和b ，集合a 被集合b 腐蚀，表示为爿0 口，其定义为 彳0 嚣= ，x j b + x c 一， r ，d 、 可以这样来直观的理解集合a 被b 腐蚀的凡何意义，如图3 7 所示。 膨胀：膨涨是瘸蚀的对偶运算( 逆运算) ，集合a 被8 膨胀表示为4 囝b ，萁定义为 o 口= u ，4 + 6 j 6 嚣， f 冀五、 同样可以罔几俺图形来点双的表示集合a 被b 膨胀豹意义，如图3 8 新示。 图3 7 腐蚀示意图 图3 8 膨胀示意围 击中击不中变换也称为塞拉变换，它在一次运算中可以同时捕获到图像的内外标 汜，即可以同时探测图像的内部和外部。击中击不中变换需要2 个结构基元e 和r 这2 个基元作为一个结构元素对艿= f e ，列，一个探测图像内部，另一个探测图像外部，击 中击不中变换的定义为 中国民用航空学院硕士学位论文 a 4 b = f x ：e | x c a ：f x o a 其中爿为朋补集，如图3 9 所示。 o 毡 ( a ) f ( b )( c )( d ) ( 3 6 ) 图3 9 击中击不中郁意图 ( a ) 击中结构元素：( b ) 击不中结构元素：( c ) 输入翻像：( d ) 击中击不中输出 细化就是把一个具有一定面积的区域用一条( 或一组) 曲线( 或细线) 来代表它。细化 算法就是重复魂剥离二值图像的边界像素，特羽是0 一l 变化处的像素的算法，但楚剥离 边界像素必须保持秘标的连通性而且使之最终成为单像素宽的图像骨架。 许多数学形态学算法都依赖于击中击不中变换。其中，起源予图像集合运算的数学 形态学细化算法便是一种常见的使用击中击不中交换的形态学算法。其基本思想是，在 给定一系列具有一定形状的结构元素羼，顺序循环地删除满是击中变换的像素，箕体描 述懿下： 对于结构元素对b = f c ，d j ，利用b 细化a 定义为： o 雪= 一f 丑j ( 3 7 ) 即爿圆占为在a 中去掉a 被b 击中的结果。如果定义一个结构元素对序列 ，丑，= ，马，曼，鼠，其中骂“代表局细化的效果，则细化也可以定义为： a 固f b 2 a 固b i ) q b 2 j ) g b n ) ( 3 8 ) 直到用鼠细化一遍，整个过程可重复直到没有变化产撤为止。假设输入集合是有限 的，最终缮到一个细化的对象。结构对的选择仅受结构元素不相交的限制。事实上，每一 个丑都可以是相同的结构对即在不断重复的迭代细化过程中使用同一个结构对。如采 在对图像细化的过程中，仅使用一个结构对，则细化是有方向的。如果循环使用八个方 向的结构元素对，如图3 1 0 所示，则细化可以以更对称的方式完成。图中“”表示参 考中心点；“1 ”表示目标图像上的点；“o ”表示背景图像上的点；“x ”表示既可以 1 9 中国民用航空学院硕士学位论文 是目标图像上驰点，也可以是背景图像上的点。 旺吊习睦毒舅臣专誊【i 毒舅 莲章习 薹专妻臣言妻睦奎妻k ? l 匕：蠹：习旺? 嘉 如果周s 来表示细化的结果，q 是即将被细化的区域的像素集合。拂是图像细化收 s 2 q 固 a | ，b 1 ) m 。 l q 固龟) 国b t ) 固趣) 国直i ) 圆b 4 。 0 3 q ) m 取决于图像封标的大小和粗细；结构元索承担了不同方向像素的剥离。与经典图像细 化算法相比，形态细化的最大特点是能将大量复杂的影像处理转换戒最慕本的移位和逻 辑运算的缀合，便于并行处理及硬件实现。该算法设计灵涵，便于实现。从实质上讲， l 毙种形态细优运算楚一个迭代过程，这代总次数为8 m 次，每次迭代后，q 交成q ，再 进入下一次迭代，熹到q 不再发生变化为止。在细化豹过程中，始终遵循以下的原簧： ( 3 ) 直线端点不能删除。 ( 4 ) 假设p 是边界点，去掉p 羼，如果连通分量不增加，则p w 以删除。 中国中圜 ( a )( b ) 图3 1 1 字符图像细化示意图 ( a ) 原翻像：( b ) 细化后图像 字符细化的算法主要分为串行算法和井行算法两种。串行算法怒按一定的次痔对字 符边缘的像素进行迭代检测，按约定判断像素的删留，一层层“剥离”而留下字符的骨 架：并行算法的思路类似，但不是依次逐点进行，溺而实现简单，速度更快。本文采用 2 0 中国民用航空学院硕士学位论文 一种并行的自适应细化算法( a t a ) f 4 ”，将字蟹笔划中像素点的连接结构分成一般、复杂 和特殊三种形态，分别设计结构模板( 如：条形模板、t 彤模扳、y 形模板等) 来检测笔划上 相邻像素点的删留，这样较好地防止了字符在t 形连接和拐角处的交接点畸变，阉时也 防止了长赢笔划被截断造成的字符失真。细化效果，如图3 一l l 所示。 3 3 实验结果 射箭霞字祷豳孽 l 警港赶囊 l 翻眭菇鲤 l 太小娩藏悒 工 位戥穗他 l 嘲臼幽秘嘲驾一 图3 一1 2 字符翻像预处理流稷囤 根据3 2 节所述数字图像处理在字符图像的预处理中应用的各种算法，褥按照图 3 一1 2 所示豹流稷对分割后的字符图像进行该处瑾， ：耍处理螽的字符鍪像进行下一步的特 征提取。 在预处理过程中，平滑处理采用u n g e r 平滑算法；缀化处理采用并行熊囱适成缁佬 算法( a 1 a ) 【4 9 】；大小规范化采用双线性插僮法，本文将数字和英文字符大小规范促成 2 4 2 4 的位图图像，将汉字字符大小规范化成3 2 3 2 的位图图像。对于数字“l ”因为 其本身的宽度很小，如果不对它加以辨别就进行大小规范化处璎，会弓l 起字体很大变异 特别是当字符有些倾斜的时候，情况更为严重。这里本文爰用的方法是：首先用宽高比 例0 | 3 5 来将“l ”和其他的情况区别开来，爵用在两边增加背景列的方法保证字体本身 完好的特性然后在进行大小的规范化处理；位置规范化采用基于质心位置的规范化算 法。 英文字符、数字和汉字的预处理效果如图3 1 3 所示。由预处理后的结果可以看出， 字符图像经过预处理后大小、位置和笔划宽度都进行了统一，并且平滑处理可以有效的 去除字符图像中的部分噪声干扰，同时所选用的算法也兼顾了算法效率，为系统的实际 巾蔼琵用虢空学院颧士学位论文 应用提供了有效的镍证。预处瑷部分为后霞的特征提取葶嚣字符识别建立妫实瓣基础。 西盈 雹盈 西国 嚆 匮 噔 掰、 蟹 融 冒 弱 圈 曲 瞄3 1 3 字符图像 黉处理效果 ( a ) 分割衙字符图像：( b ) 平滑处理后字符翻像：( c ) 细化处理后字符圈像：( d ) 大小规范化篇字符图像 ( e ) 位置规范仡露字铸淘像 3 4 本章小结 本豢对字符分裁蘑浆二燕弛字餐墨像麓予黉处理方法在数字塑豫处理懿基秘主避行 了讨论，包括平滑耥规范仡两部分，其中麴规范优又避一疹分为位置蕊蔽化、大小娥藏 化、豁划粗细规范化。在每一步都提出了数字图像处理领域常用的若于秭算法原理，然 嚣再授摆这些舅法农车薅字耱识剃对数适攮蒗灏、蛀憩和效粱徽出魄较，选耩透耀豹方 法。酾选择了u n g 。r 平滑算法、白适应缨纯舞法( a 孔吣、取线往插值法、基予质心的德 置的规范化算法。并给出了相应的实验结果来证明所选用方法的有效性。 盼圜暖西国恩殴隧腰 叮e 匝融融 j l 誓 中璃民埔航空学院硼士学位论文 4 。l 孳 害 第四章数宇和英文字符识别 字符识别部分一般分为预处联、特征提取、分类器、多分类器集成秽麓处理等模块， 其中颥处瑾包瑟二僮亿、去潦秘蕊箍健等步骤。疆楚理与特短提取紧密稳连，详绥肉窦 请参考本文第三章内容。在众多波羯坯境中，特征抽取、分炎器、多分淡器集成是整个 识别系统的核心。大倦上来说特征可以分为结构特征和统计特征两类，统诗特征中又分 为全鼹姆缀窝爨部祷锰。在本章中设计麓数字鼗英文字铸分类器镬熏基予太工襻经嚣络 中b p 嚣法来设计分类器，其选择依据在第一鞲和第二章中部作了摆关论述。 垂+ 2 特薤选择 由于字符的识剐问题是类剐数日较大的分类问题，构造一个高性能的识羽系统，煅 重要麴是魏何选择商效豹特缓，镁何一个特链都是从墓一个角度刻颟图像的，在辩识别 对豫的本质不鼹完全掌撵酌情况下，缀难取褥嵩谈弱率。我稍哭能穰据阑豫姆籍况、环 境的变化决定特征躺选取。 特挺的提取是驮原始数据孛摊敬与分类最鞠关的偿患，使类内差距极小亿，类橱蓑 筵穰大纯。特征疲瓣麓一字符的澎变尽囊臻掩举交。使霜统计方法鬟取鹃薅往胃努为众 局特缝酾爱部特征。 4 。2 。l 垒嚣特薤 全局特征是对熬个字符图像进行变换，戗括字符欧拉数特征、k l ( k a r h l l n c n - l e e v 。) 变换辨“、f o 谢e r 交换、g a b o r 交糗、矩特征等。 欧拉数特征：怒针对字母和数学的黼巍所采敷煞一释糇分类静方法，它使字符快 速的分为网孔为o ，l ，2 的三类，可作为提敬特征值旮句一部分。 k l 变换：又名主元分辑法( p c a ) ，逶过交换将信息集中在最小维数静特征良基上， 当变挨詹截取韵缎数定薅，k l 是交换蘸焘方差最小翡交换。 离散f o u r e r 变换f t ) ：是另一种常用的数学交换，暴露快速变换方法( f f t ) 盈变换 憔颓薛滂濑翡理论擒述，已得到广泛应爱。 缒特征f g e o 擞搬 e 鹾凇e 珏t 融v a f i a 氆) ：矩特征鑫文献【4 i 】雩 入，滤嚣不断蠢天委燕辩 中辫民用靛宅学鲵鞭士学垃论文 人错误，并提崮新的特征式，该粪特 芷其有线性映射不变一陡。 4 + 2 。2 鳎鼙特蔹 周部特征是在特定位置对特定大小的窗内图像进行变换。包括以下特征： 髑部莸度特征：通过将标准化圈像翊分为豳定的网貉并求出每个网格中静平均获泼 或黑色素点数，藏w 以褥餮绥数必瞬格鼗蘑熬特征商量。 投影特征：是遴i 霆对标准化的鬻像求x 鞠y 方向投影褥剿两个n 维特征向量，投影 特征对予翦切是有不变牲。它计簿簿单，在糕分类对有较好的分辨性。 扫疆法：这主要凳一耱蘩象分炎法，褥鼹橙字符凿冀遴嚣缮分。宅妻妥楚撬壅强靖 中每行和每列黑自缴生变让的次数。 方向线素特徭及其变形：它蓠先烽轮廓划分为一定的卿格，在各个蚓格中对每个点 欧不弱方囱蕊秘邻爨赢势舞若予炎。方淀线索霞一令爨部领域蠹各个方两夔多寡反获了 笔凰在该领域内的志向。由于网格位置包括了笔蘧的分布信息，因此，方向线索比较众 面地代表了图像信息，有较好的实践效果。 摸嬲方囊线索穗搓：对方融凌素法静改遴。交予方彝线素援考惑了嚣霆阏接，秃巍 断线和噪声的存在，在网格附近的笔画的微小位移就会产妻| 兰特征的突变。因此提蹈了模 糊方向线索特征。酋先令网格边缘的点不单纯属于某一个网眼，定义了个点的隶属函 数；然后，在二相邻的蘩硇上定义了三据郐鹃搂凝集，这样就避免了凝线耪捂线造成鹣 特蔹变化的跳跃。 作为全局特征如k l 变换，f o l l r i e r ，矩特征，尽管有快速算法，但遴算代价较高， 德们熬分类性能虽然在粗分类巾缀好，箍要区分如“8 ”与“8 “，“乌”与“乌”这样 的穗议字就必须取褥缀赢阶豹分爨，其薛空效率受蓟澎镌。嚣髑部特铤鲡获度、投影、 方向线索都能够反激细节性的藏异。但由于它们都采用先分割的方法，黼而对于大尺度 的图像偏差往往产生误识。 橡造一个离瞧能豹识剐系统，如籍选择一个有效静蒋摇是毙较鬟器豹。柽旃一个褥 ，怔都熬从菜一个角艘剿蕊图像瀚，因而都不耐能是十全十燕酌。我们只髓根据图像的情 况、环境豹变化决定特征斡选取。妇想麸裰本上解决特征鹣缺难阑舔，就必须嗣多秭姆 挺瘸亘 缮孝可隰遮餮万秃一失瀚霆戆。 4 2 3 数字和英文字符的特征掇鞭 缀图像预处理露，对数字，葶辩英文字符图像提取字符将舔辩，医鸯考蒜蓟英文和数字 2 4 申薅民塌靛空学兢硕士学穰论文 字符的结构简单和尽霹能提高算法效率的因索，采用如下黧法： 辨围轮廓特，痤：采用外圈轮麟描述特征，记录字符边概上务点到达撰内字簿像点鹣 最蘧题离。x 方自德弼取一个特薤篷，￥方鼹每一嚣疑令黪征值嘲。钤对螽鬻鬃示 4 一l 所示数字“9 ”字符图像提取特征值，如图4 2 所示。 圈4 一l 数字“9 ”字狩图像 藏轮廓劳征辩蕊 赛捻撩蒋翟彝蠢 上轮瘵特霞舞灏 。 。i l 51 01 52 0 特镊篷痔警 下轮廓将征l 巷爨 梅程蓬穿弩 图4 2 外围轮廊特征向量 爨方圈特征：逐过对字符瘸像求x 和y 方 翅的壹方图，慕用相对浓度描述特征，记 豢字符辩一毒亍竣列上爨惫豫紊焘的摇对数爨。x 方蠹每一翻繇一个特疑毽，y 方向繇 行淑个特钲僖【捌。针对图4 一l 字符图像掇淑特征值，如溜4 3 所示。 蜊醛辣攀l 瑕趔斟臻葚；壤 矮姆辣絮，鞫； ， 8 6 4 2 o 丞 0 0 0 糟糕瓣淫，弱l 中国民用航空学院硕士学位论文 1 口8 邋 嫩06 婆 晕d 4 里02 x 方向直方罄特经商董 k 一、 广| 。飞岁l 、：、j _ - 、 ：y：、一， 特征值序号 圈4 - 3 塞方图特征翔量 笔画变化次数统计特征：求的每一行或列像素中笔画的黑自像素点的变化次数作为 特征值，以反映字符内部结构变化。x 方向每一列取一个特征值，y 方向每一行取一个 特征值，特征提取示意如图4 4 所示【3 3 】。针对图4 1 字符图像提取特征值，如图4 5 所示。 图4 4 笔画变化次数统计特征示意 蘼 一一生望墨墨夔宝兰璧登生童竺垫塞 图4 5 笔匦变化次数统计特征翔蠛 露定瓣穆糁征：将字符强豫分菇若于个毒4 静经餮块，瓣每个往銎块孛懿蒹毪豫索 点数递行统计作为特征值，该特征对字符形交界敏感【3 柚。钟对图4 一l 字符图像提取特征 毽，期溷4 6 所示。 增疆襞警，翼 中国民用航空学院硕士学位论文 糖网格特征尚量 嘛。薄“， 、 圈4 6 粗霹格特征向量 图4 7 所示为图4 一l 字符图像所有的特征向量曲线。 特征向量 。e i “ 蕊蠹 5 01 1 弱 特征值序号 图4 7 数字“9 ”字符图像特征向量 所选用的特征提取算法在算法效率上明显高于全局特征的域变换特征提取算法，反 映了字德的外部轮廓，内部笔划结构变化特点程字符主体在字符图像中的分布，并且在 | | | | ! | | 一： | | | | | | | | | | | 一| | |?| | | | | | | _ i | 9 8 7 6 5 4 3 2 ， 0 0 0 0 0 0 0 0 0 0 趔辍婆草1 玺 中国民用航空学院硕士学位论文 一定程度上克服了字符图像形变所造成的影响，为后续的字符分类奠定下好的基础。 4 。3 神经网络在字符识别中的应用 4 3 。l 神经网络概述 人工神经网络砧呵n ( a r t i f i c i a ln e u r a ln e t w o r k ) 是仿生学的产物，它通过网络结点间 的连接来存储信息并完成分类计算。神经网络分类器通过学习，根据训练样本集来调熬 连接的权值，构造出相应的分类曲面。神经网络所县有的学习能力使其能够在复杂的分 布中提取出不能直观理解的规律，在实际应用中，神经网络表现出其优异的分类性能， 并在一定程度上成为检验新特征性能的测试基础。 神经网络是由大量处理单元( 神经元) 广泛互连而成的网络。它是在现代神经科学研 究成采的綦础上提蹴的，反袄了入脑功能的基本特征。但它并不是人脑的真实描写，而 只是它的某种拘像、简佬与模拟。网络的信惠处理由神经元之间的相互作用来实现；知 识与信息的存储表现为网络元件互连闯分布式的扬瑾联系；网络的学习恭】识别决定于各 神经元连接权壤豹动态演化过程。 枣经网络的工 乍方式，由学习期和工作期两个阶段组成： 学习期：享孛经元之阕的连接权僮霹出学习规贝进行修改，以使秘标涵数达到最小。 工作期：连接投值不变，由网络躲输入褥到期应豹输出。 毒孛经网络有不月的分类方法，但从总的方殛来讲，一般将宇枣经网络分为翦馈网络模 型、反馈网络模型、自组织网络模型与随机型网络模型等几矛争模式。在本文中用到的主 要是前馈型神经网络。 有许多神经网络模型，如p n n 、自组织神经元树等，可以虚用于o c r 邻域。目前 有些研究小组在探索新的神经网络结构和训练方法，寻找新的分类面函数以图与所选 特征的更好匹配。由于基于b p 算法的分类器已趋成熟并在0 c r 邻域内取得了较好的效 粜，相比之下这些新的结构和方法取得的进展不很明显【3 3 】【4 2 1 。 4 3 2 神经网络的学习 神经嬲络按学习方式分为：有监督学习、无监督学习程再励学习三种： l 、有监督学习s l ( s u p e r v i s 。dl e 鼬i n 曲即在学习过程中，网络根据实际输出与期望 竣出的比较，进行网络权值豹调整，将期望输融称为教矮信号，它是评价学习的标准。 中国民用航空学院硕士学位论文 2 、无监督学习n s l ( n o n s u p e 戚s e dl e 锄i n 西即无教师信号提供绘网络，阕络根据 其特有的结构和学习规则，进行网络权值的调整，此时，网络的学习评价标准隐食于其 内部。 3 、再励学习r l ( r e i n f o r c e m e m l e a r n i n g ) 把学习看作为试探评价( 奖或惩) 过程，学习 机选择一个动作( 输出) 作用于环境之后，使环境的状态改变，并产生一个再励信号( 奖 或惩) 反馈给学习机，学习机依据再励信号与环境当前的状态，再选择下一动作作用于 环境，选择的原则，是使受到奖励的可能性增大。 随着网络结构和功能的不同，学习方法是多种多样的，但它们都遵循一些基本的、 通用的学习规则，这些规则主要有： l 、h e b b 学习规则： 它是一类棚关学习，其内容为：如果两个神经元同时兴奋，则他们之间的突触连接 加强。用o f 表示神经元f 的激活值，q 表示神经元，的激活值，u 表示两个神经元之间 的连接权，则h e b b 学习规则可以表示为： 4 峋2 口o i 吩 ( 4 1 ) 口表示学习速率。 2 、口学习规剐 它是用己知样本作为教师信号对网络进行学习a 将网络输出o f 用网络期望输出吐与 实际输出d ，之差的函数采代替，则权僮的调整量为： 删g = q 6 p j 6 1 2 f ( d i o t ) 0 & 。2 ) 3 、相近学习规则 设，为从神经元f 到神经元_ ，的连接权值，q 为神经元f 的输出，则连接权的调整 为： 。嘞2 岱以一峋， ( 4 3 ) 在这种学习中，是使趋近于嘶的值。在a r t 等自组织竞争性网络中就采用了这 秽学习规则。 中国民用航空学院硕士学位论文 4 。3 。3 基于b p 算法豹分类器设计 8 0 年代中期，以r u m e l h a r t 和m c c l e l l a n d 为首提出了多层前馈神经网络的反向传播 学习算法，简称b p 算法，是有监督的学习，它是梯度下降法在多层前馈网络中的应用。 l 、前馈网络和感知器 构成前馈网络的各神经元接受前一级输入，并输出到下级，无反馈，可用一有向 无环图表示。图的节点分为两类，即输入节点与计算单元。每个计算单元可肖任意个输 入，但只有一个输出，而输出可耦合到任意多个其他节点的输入。前馈网络通常分为不 同的层，第i 层的输入只与第卜1 层的输出相联，这里认为输入节点为第一层，因此所谓 具有单层计算单元的网络实际上是一个两层网络。输入和输出节点由于可与外界相连， 煮接受环境影响，称为可见层，而其他的中间层则称为隐层，如图4 8 所示。 隐层 ，一啊 、 圈4 8 前馈神经网络结构示意图 感知器( p e f e c e p 萎o n ) 是一耱双层翦馈享申经瞬络模型，一层为输入鼷，另一层其有 计算单元，可以通过监督学习建立模式判别的能力，翅图4 9 所示。 l x l 殛 孔 默 n 围4 9 感知器模型示意图 学习的目标是通过改变权值使神经网络由给定的输入得到给定的输出。作为分类 ，j，l 稿丸一w 点 中国民用航空学院硕士学位论文 器，可以用已知类别的模式向量或特征向量作为训练集，当输入为燧于第j 类的特，压向 量x 时，应使对应予该类的输出乃= l ，两其他丰孛经元的输出则为o ( 或一1 ) 。