摘要
图像分析是提高图像理解效果的重要因素之一。基于图像和字符识别的车牌识别是计算机视觉和模式识别在智能交通领域的重要应用，是实现智能交通运输系统的核心技术之一。由于车牌识别本身问题的复杂性，如何提高车牌字符的分析效果是解决车牌识别率的关键所在。
本文选用小波变换作为数学工具，利用小波的“显微镜”特性和类人视觉特点解决车牌字符的分析和识别问题，以提高车牌字符的识别能力，主要研究了三个方面的问题：
(1)识别研究方法的核心是完成字符稳定性特征的提取，采用图像小波变换的方向性分解构造出小波特征向量，并根据字符本身具有的多模态性提出了一种变网格小波特征向量。
(2)识别实时性改进的关键是提高二值化处理速度，主要利用小波多尺度特性变阈值的全局搜索为局部定位，提出一种改进的二值化方法。
(3)识别分类器的设计是在小波变网格特征变量提取的基础上，通过对人类多层多模态字符认知心理分析构造出多层多模态智能字符识别机。
实验数据表明，小波变网格特征向量具有稳定性高、区分性强的特点，基于此的智能字符识别机解决了单、多分类器协调和特征协调问题，在应用快速二值化方法加强处理实时性的同时有效地提高了车牌字符的识别率和识别可靠性。
本文的车牌分析和识别方法对字符识别系统的实用型改进具有一定的参考价值。
Image analyze is one of the important factors to improve the understanding of image. Recognition of vehicle's license plates based on imaging analysis and character recognition is the important application of computer vision and patter recognition in the intelligent traffic field,and it is also the core technology in the intelligent transportation system. Because the inherent complexity of recognition,the key to improve the recognition rate depend on how to improve the vehicle characters' analyze result.
In this article,the wavelet transform is used to improve the recognition ability of vehicle's characters recognition system,because the "microscope" feature and similar-human vision feature can be used in the image analyze. Three problems have been solved in this article:(l) The core method of recognition is to realize the extraction of stable feature of characters,the algorithm of wavelet feature vector has been given based on the directivity decompose of 2-dimention wavelet transform,varied grid feature vector has been built too according to the multi-mode owned by the characters. (2) The key to improve the processing time is the multi-scale feature used to accelerate the binary-process. (3) Apery intelligent character cognitron has been given based on the varied-grid feature vector and multiplayer and multi-mode of cognition psychoanalysis.
Research show that wavelet varied-grid feature vector is characterized by high-stable and high-distinguish. Based on this vector the apery cognitron has solved the harmony of single-classifier and multi-classifier and the harmony of multi-feature. The data shows that the recognition rate and reliability has been effective improve.
The methods of analyze and recognition in this article has a certain reference for improve of the character recognition system.
引文
[1] 王建平，盛军，朱程辉。基于小波分析的视频图像字符特征提取方法研究，微电子与计算机。2002，4月
[2] 王建平，盛军，方敏。基于小波的二值化灰度阈值选取，合肥工业大学学报，2001(3)
[3] 郭军，马跃等。发展中的汉字识别理论和技术，电子学报。Vol．23，No．10，1995，p184～187
[4] 边肇祺，张学工等。模式识别，清华大学出版社，2000。
[5] 侯继红，徐 军。手写体数字识别技术的研究，电子计算机与外部设备。Vol．23，No．5，p24～26
[6] 阚伟，朱秋煜，一种改进的基于模板匹配的集装箱字符识别方法，计算机工程，Vol．26，No．12，2000，p119～120
[7] 韩宏，杨静宇。神经网络分类器的组合，计算机研究与发展。Vol．37，No．12，2000，p1488～1492
[8] 赵明。手写印刷体汉字识别方法综述，计算机研究与发展。Vol．30，No．4，1993，p59～64
[9] 朱小燕，史一凡，马少平。手写体字符识别研究，模式识别与人工智能。Vol．13，No．2，2000，p174～180。
[10] 张得喜，马少平等。基于统计与神经元方法相结合的手写体相似字识别，中文信息学报，Vol．13，No．1，2000，p99～101
[11] 张炜，王庆，赵容椿。汽车牌照实时识别，信号处理。Vol．16，No．4，p372～375
[12] 王广宇。车辆牌照识别系统综述，郑州轻工业学院学报(自然科学版)。Vol．16，No．2，p47～50
[13] 王年，熊原。基于神经网络的汽车牌照自动识别，安徽大学学报。Vol．24，No．1，2000，p45～50。
[14] 刘智勇，刘迎建。车牌识别中的图像提取及分割，中文信息学报。Vol．14，No．4，p29～34。
[15] 徐俊艳。基于神经网络的模式识别及其在车牌字符识别中的应用，合肥工业大学研究生论文，2001
[16] Shunji Mari，Kazuhiko Yamamoto．Historical Review of OCR Research and Development．Proceeding of IEEE，1992,80(7)：1029～1057
[17] 赵春雪，戚飞虎。基于彩色分割的车牌自动识别技术，上海交通大学学报。Vol．32，No．10，1998，p4～9
[18] 梁玉尧，李多等。汉字图象的小波分析，计算机研究与发展。Vol．10，No．4，1996，p12～19。
[19] 郭军，马跃等。发展中的汉字识别理论和技术，电子学报。Vol．23，No．10，1995，p 184～187。
[20] 罗西平，田捷等。图像分割方法综述，模式识别与人工智能。Vol．12，No．3，1999，p300～309。
[21] 路浩如，杨源远。手写体汉字识别问题综述，计算机应用与软件。Vol．11，No．2，1992，p1～8
[22] 梁玉尧，李多，马争鸣。汉字图像的小波分析。中文信息学报，1996，10(4)：12～19
[23] V．K．Govinda,A．P．Shicaprasad，Character Recognition-A view，Pattern Recognition，Vol．23(7)，1990,P671～683
[24] Abhijit S．Pandya，Robert B．Macy著，徐勇，荆涛译，神经网络模式识别及其实现，电子工业出版社，1999
[25] 王灵泉，丘伟峰。图像锐化边界和Rapid变换的手写汉字识别，模式识别与人工智能。Vol．8，No．2，1995，P149～152
[26] 金琪，戴汝为。矩、不变矩、角度矩及傅立叶描绘子，模式识别与人工智能。Vol．6，No．3，1993，P181～187
[27] 胡家忠，计算机文字识别技术，气象出版社，1994，P11～14
[28] 金连文，彭秀兰，尹俊勋。一种手写体汉字特征提取新方法——小波变换及弹性网格技术的应用，．中国图象图形学报，Vol．3，No．7，1998，p549～552
[29] 金连文，徐秉铮。手写体汉字识别中的一种新的特征提取方法——弹性网格方向特征，电路与系统学报，Vol．2，No．3，1997，p7～12
[30] 马少平，夏莹，朱小燕。基于模糊方向线素特征的手写体汉字识别，清华大学学报。Vol．37，No．3，1997，p42～45
[31] 高鹏，谭宏等。基于神经网络方法的手写体数字识别，吉林工业大学学报，Vol．27，No．1，1997，p79～82
[32] 娄震，胡钟山等。基于轮廓分段特征的手写体数字识别，计算机学报，Vol．22，No．10，1999，p99～103
[33] 吕岳，邬建中等。窗口信函邮政编码分割与识别系统的研究和实现。计算机研究与发展，Vol．36，No．8，1999，p671～683
[34] 郭宝兰，张彩录。光学字符识别技术发展综述，计算机世界报。Vol．10，No．14，1992。
[35] G．Nagy．Chinese character recognition a twenty-five-year retrospective，ICPR88：9th Int Conf．on Paaern Recognition，1988，11(1)：163～166。
[36] V. K. Govindan and A. P. Shivaprasad. Character Recognition-a review.Pattern Recognition, 1990, 23(7): 671～683。
[37] R. Casey, G. Nagy. Recognition of printed Chinese character. IEEE T. Elec.Comput. 1966, 1(15): 91～10。
[38] N. Fujii, H. Sugawara, Y. Yamamoto, C. Ito and T. Fujita. Some result on handprinted Kanji character recognition using the feature extracted from multiple standpoint, Trans. IECE Japan, PRL81-32(1981)。
[39] 田道吉久等。手书汉字读取装置OCR-V595．东芝报告。Vol．39，No．9，1984，p781～786。
[40] 赤松茂等。手书汉字用文字读取装置，研究实用化报告。Vol．36，No．4，1987，p579～587。
[41] 张忻中。汉字识别技术。．北京：清华大学出版社／广西科学技术出版社，1992。
[42] 张忻中。汉字识别技术的新动向。第四届全国汉字及汉语语音识别学术会议论文集，杭州，1992．5。
[43] 丁晓青，吴佑寿。汉字识别技术，中国计算机报。1997年6月，p23。
[44] 张青，尹俊勋。小波变换在手写体汉字识别中的应用，．电路与系统学报。Vol．1，No．3，1996，p63～67
[45] 姜珊。手写汉字的集群识别，中文信息学报。Vol．12，No．4，1998，p1～8
[46] 杨经，方应谦。基于语言知识的手写汉语文本自动识别初探，计算机研究与发展，Vol．35，No．7，1998，p668～672
[47] 方应谦，杨径，曹守建。基于语言知识的手写汉字识别策略，1998中文信息处理国际会议论文集，北京：1998，p119～124
[48] 秦前清，杨宗凯。实用小波分析，西安电子科技大学出版社，1998。
[49] 程正兴。小波分析算法与应用，西安交通大学出版社，2000。
[50] 胡昌华，张军波等。基于MATLAB的系统分析与设计——小波分析，西安电子科技大学出版社，1999年。
[51] Kenneth．R．Castleman。数字图像处理，电子工业出版社，1998年。
[52] 李建平。快速小波变换的加速算法，计算机科学。Vol．28，No．5，p107～109
[53] 高春鸣，兰秋军。基于自动分析直方图灰度分布的数字图像阈值化方法。计算机科学，Vol．28，No．4，p58～60。
[54] 程萍。自然手写汉字的FS识别法，计算机应用，Vol．21，No．1，p46～48。
[55] 李建平。快速小波变换的加速算法，计算机科学，Vol．28，No．5，p107～109。
[56] Papamarkors N, Gatos B. A New Approach for Multilevel Threshold Selection. CVGIP: Graphic Models and Image Processing. 1994,56:357～370
[57] 王积分，张新荣。计算机图像识别。中国铁道出版社，1998
[58] 崔锦泰著，程正兴译。小波分析导论。西安交通大学出版社，1994
[59] Olivo J C. Automation Threshold Selection Using the Wavelet Transform. CVGIP: Graphical Models and Image Processing. 1994,56:205～218
[60] 赵立初，王积分。基于小波分析的图像自适应阈值选取，模式识别与人工智能。Vol．12，No．1，1999，p79～84
[61] Mallat S G, Hwang W L. Singularity Detection and Processing with Wavelets. IEEE Trans on Information Theory. 1992, 38:617～643
[62] 付忠良。一些新的图像阈值选取方法。计算机应用。2000，10(10)：13～15
[63] 李祖枢，徐鸣等。一种新型的仿人智能控制器，自动化学报。Vol．16，No．6，1990，P503～509
[64] 梁梁，中国科学技术大学博士论文，1992年。
[65] 张德喜，手写体汉字机器识别技术的现状分析，许昌师专学报，Vol．18，No．3，p91～95。