字符结构知识在车牌识别中的应用

(1)无封闭环的字符图像中只有两个连通域,即字符连通域和背景连通域,图2(a)中的B和F。

(2)只有一个封闭环的字符图像中有三个连通域,即一个字符连通域和两个背景连通域,图2(c)中的B1、B2和F。
(3)有两个封闭环的字符图像中有四个连通域,即一个字符连通域和三个背景连通域,图2(b)中的B1、B2、B3和F。

搜索封闭环的算法如下:
(1)读入二值字符图像。
(2)找到一个像素值为"0"的背景像素点B。
(3)搜索B的连通域,并将该连通域内的像素全部标记为背景1。
(4)遍历图像中像素值为"0"的像素。
(5)若所有"0"像素都已标记为背景1,则该图像内封闭环个数为0,跳转到(11)。
(6)若存在没有标记为背景1的"0"像素点B1,则有封闭环。
(7)搜索B1的连通域,并将该连通域内的像素全部标记为背景2。
(8)遍历图像中像素值为"0"的像素。
(9)若所有"0"像素都已标记为背景1或背景2,则该图像内封闭环个数为1,跳转到(11)。
(10)若存在没有标记为背景1或背景2的"0"像素,则该图像内封闭环个数为2。
(11)结束搜索,返回封闭环个数。
字符的笔画抽取可参见文献[1]。

2 识别测试

利用本识别方法,笔者对从车牌中分割出的字符进行了识别测试。所测试的字符包括了车牌中所使用的全部35个数字和字母共7000幅图像,其中图幅最大的为100×100像素,而最小的是20×20像素。正确识别的有6946幅,正确率超过99%。其中识别错误的图像主要集中在字母"0"和"D"。通过对这些容易识别错误的字符进行二次识别,可以大大提高识别准确率
本文提出的字符识别方法的核心就是通过判定树对字符群体层层分类,从树干开始逐步缩小识别范围,直到最后只有一类字符,即识别成功。

该方法具有如下特点:

(1)不需要建立识别样本库,完全依据字符自身的结构特征进行逼近识别。
(2)不需要将待识别字符与全部字符进行匹配识别,因而提高了识别速度和准确率。