字符識別的相關(guān)方法研究.pdf

1、字符識別是模式識別的一個分支，它能大大提高信息的采集錄入速度，減輕人們的工作強度。隨著計算機技術(shù)的飛速發(fā)展，字符識別技術(shù)多年來不斷改進和完善，現(xiàn)在已經(jīng)廣泛應(yīng)用于各個領(lǐng)域，使大量的文檔資料能快速、方便、省時省力和及時地自動輸入計算機，實現(xiàn)信息處理的電子化。到目前為止，盡管人們在字符識別的研究中已取得很多可喜成就，但還不能滿足我們?nèi)粘５男枨蟆Ｑ芯孔址R別技術(shù)，提高字符識別率具有非常重要的意義。
　　 本文針對字符識別的相關(guān)方法進行研

2、究，主要工作包括：
　　 1.進行字符識別前，先要進行圖像預(yù)處理，本文對圖像預(yù)處理的一些方法進行了研究，像灰度化、二值化、噪聲處理、特征值提取等。對灰度化和二值化的各種方法進行了性能比較，針對光照不均勻的車牌圖像二值化效果不好的問題，給出了一種改進的局部閾值法的二值化方法，使用這種改進的方法能夠有效的得到二值化圖像。
　　 2.圖像預(yù)處理階段，重點分析了圖像邊緣檢測方法，邊緣檢測對字符輪廓的提取、車牌定位、字符特征值提取

3、等都非常重要。本文在深入研究傳統(tǒng)Canny算子的基礎(chǔ)上，對雙閾值為極值點給予了證明，并給出了一種改進的Canny算子，通過對添加了椒鹽噪聲的圖像進行大量實驗，證明了本文給出的方法性能好于傳統(tǒng)Canny方法。
　　 3.形狀上下文(Shape Context)是一種形狀描述方法，本文給出了一種改進的形狀上下文方法用于字符粘連的復(fù)雜驗證碼識別。傳統(tǒng)的逐個像素點特征提取和模板匹配的方法，只能對簡單驗證碼進行識別，而字符粘連的復(fù)雜驗證碼

4、還無有效的識別方法。針對字符粘連不能有效的提取單個字符特征的問題，本文給出了改進的形狀上下文方法進行特征提取，并采用字符整體識別的方法，實現(xiàn)了對復(fù)雜驗證碼的識別。
　　 4.BP神經(jīng)網(wǎng)絡(luò)作為一種應(yīng)用最為廣泛的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法，在車牌識別中得到了廣泛應(yīng)用。針對BP算法存在的收斂速度慢、易陷入局部極小等缺點，本文引入動量因子和自適應(yīng)學(xué)習(xí)速率、改進激勵函數(shù)以及使用LM算法對其進行改進。通過大量的車牌識別實驗，本文將各種改進的BP算法性