基于模糊C均值聚類的車牌定位與字符分割技術(shù)研究.pdf

1、隨著經(jīng)濟(jì)的發(fā)展，民用小型汽車的需求和使用量大幅度增加，造成的交通擁堵問題逐漸引起人們的重視，汽車牌照識別系統(tǒng)作為一個重要的交通監(jiān)控手段也逐漸發(fā)展為研究熱點(diǎn)。論文在目前已有的研究成果基礎(chǔ)上，對車牌定位與字符分割的相關(guān)算法進(jìn)行了進(jìn)一步的研究和改進(jìn)，主要研究工作如下：
　　(1)基于數(shù)學(xué)形態(tài)學(xué)和特征融合的車牌定位算法的研究。首先對幾種常見邊緣檢測算子與基于形態(tài)學(xué)的邊緣檢測算子進(jìn)行對比實驗分析。針對這些算子對噪聲敏感，無法有效提取低質(zhì)量車

2、牌圖像的邊緣信息，提出了一種基于多結(jié)構(gòu)元素改進(jìn)的抗噪型形態(tài)學(xué)邊緣檢測算子，相比單一結(jié)構(gòu)元素邊緣檢測算子而言，文中改進(jìn)算法能夠更好的去除噪聲，檢測到更多的邊緣細(xì)節(jié)，避免邊緣出現(xiàn)鋸齒狀和不連續(xù)現(xiàn)象。再經(jīng)過連續(xù)的數(shù)學(xué)形態(tài)學(xué)運(yùn)算，得到較好的連通區(qū)域，并對這些連通區(qū)域進(jìn)行標(biāo)記，然后結(jié)合車牌圖像的固有特征去除偽車牌區(qū)域完成車牌粗定位，最后去除邊框和鉚釘，實現(xiàn)車牌區(qū)域的精確定位。
　　(2)模糊C均值聚類算法中距離公式的研究。提出了一種引入空間

3、信息的距離改進(jìn)算法來代替?zhèn)鹘y(tǒng)模糊C均值算法中的歐氏距離，不僅可以降低孤立噪聲點(diǎn)的影響，同時考慮到樣本點(diǎn)空間鄰域位置信息對聚類結(jié)果的影響。在新的距離計算公式中，通過權(quán)重因子調(diào)節(jié)樣本點(diǎn)到聚類中心的距離和空間鄰域點(diǎn)對聚類中心距離的不同影響程度。經(jīng)實驗結(jié)果表明，引入空間信息改進(jìn)的距離計算方法作為聚類算法的相似度測度，提高了聚類算法的抗噪性和分割結(jié)果的精確度。
　　(3)利用改進(jìn)的模糊C均值聚類算法對車牌字符分割進(jìn)行了研究。由于我國車牌中漢