图象处理技术在车牌识别中的应用

5 匹配策略

为了提高识别的准确和速度，在匹配中采用多级分类的识别方案。

粗分类中，采用单纯的区域笔划方向特征，把字符分成5×5的网格(共25个小区域)分别统计线素的四个方向特性，构成100维(25×4)的特征向量。采用绝对值距离判别准则。设字典库中的任一特征向量为Pji＝(pj1,pj2,pj3,pj4,Λ,pj100)，待识字符的特征向量为h＝(h1,h2,h3,h4,Λ,h100)，字典中的任意一个模板与待识字符之间的距离为dj。
　　
在dj中选取值最小的前10个字符作为初步匹配的结果，进入下一步进行细分类。

在细分类中，对候选字符通过二重分割提取452维的特征矢量作为细分类的特征。用与粗分类类似的判别准则进行第二次匹配。通过试验确定参数，用不同的权值系数与粗分类准则结合起来决定待识字符与不同标准模板的匹配程度，取前四个作为最终结果并将其输出到指定的文本文件之中。

6 标准字典库的建立

字库是在众多字库中择优选取的。其中汉字从宋体字库中选取，字母及数字从OCR－A字库中选取。对标准字符分别进行归一化、轮廓化和特征抽取，标准模板就是从中抽取特征得到的特征向量。

7 试验结果

车牌定位非常理想；字符分割无误；对汉字首字符的识别有时会出现误识(可见汉字的识别难度较大，匹配算法和模板库的建立方面是问题的关键所在)；对字母及数字的识别较好；在细分类优先级的前两级达到100%。