两级分类算法提升车牌字符识别准确率

"应用两级分类实现车牌字符识别，通过统计特征和结构特征的结合，提高形近字符识别率。" 车牌字符识别是一个关键的技术，在自动车牌识别系统（LPR）中起到决定性作用。该技术涉及到对车牌图像的处理，包括定位、分割以及字符的识别。面对实际应用中可能出现的字符形变、噪声干扰和形近字符混淆等问题，一种模拟人类智能的两级分类识别算法被提出。 在一级分类识别阶段，算法首先侧重于提取字符的整体信息。使用支持向量机（SVM）作为分类器，统计特征，如基于轮廓的特征，被用来描述字符的大致形状。这些特征通常包括计算字符图像边缘到内部笔画的距离，例如左边界、右边界、上边界和下边界的距离。然而，由于字符可能存在的偏移，原始特征可能会受到影响。为了解决这个问题，特征值进行了优化调整，通过循环平移来抵消字符位置偏移的影响，确保统计特征的有效性。 一级分类的结果会附带一个可信度评分，这是通过SVM分类器得到的。如果一级分类的可信度高于预先设定的阈值，那么字符将被视为非形近字，并直接输出识别结果。反之，如果可信度不足，则认为字符可能是形近字，进入二级分类识别。 二级分类识别针对一级分类中可能存在的形近字符问题，它利用更细致的结构特征来区分。这些特征可能涉及字符的内部细节和形状差异。通过决策表，算法可以依据特定的区分规则来判断字符属于哪种类别。这一步骤有助于提高形近字符的识别准确率，减少误识率。 整个识别过程如图1所示，包括预处理、一级分类识别、可信度评判、形近字判断以及二级分类识别。每一环节都是为了更好地模拟人类的识别能力，提高系统的鲁棒性和准确性。通过这种两级分类方法，即使在复杂和变化的环境下，也能有效提升车牌字符识别的效率和正确性。