疑成为一个难点。于是便投机取巧,将本身分割得到的字符保存起来直接作为模板使用。这种方法明显不具有科学性。图像识别中模板匹配法是将未知的东西与已知的东西来进行比较。因此模板库中的字符应该是已知的,是预先设置好的是不可更改的,而不是在实验过程中来得到。第二次便是用以上的画图工具来一步一步逼近实现模板设置。实验结果显示,这种方法简单易行。Р5.2识别过程Р 字符识别中模板匹配方法是实现离散输入模式分类的有效途径之一,其实质是度量输入与样本之间的某种相似性,取相似性最大者为输入模式所属类别,它根据字符的直观形象抽取特征,用相关匹配原理进行识别,即是将输入字符与标准字符在一个分类器中进行匹配。车牌字符相关匹配算法如下:Р 输入字符用输入函数X表示,标准模板用函数T表示,它们的大小均为26×14。将未知的模式逐个与模板匹配,求出其相似度。Р Р Р Р 其中,M=26,N=14。Ti 指第i个模板。X×Ti 是指矩阵对应元素相乘。如果把X与T都归一化为”1”和”0”,则上式表示标准模板与待识图像上对应点均为”1”的数目与标准模板上”1”点的数目之比。Р 如果 maxSi>λ则判定X∈Ti,否则拒识,这里λ为拒识域值。本次实验中直接取相关最大值为判定域值。Р 用MATLAB来实现字符的识别。其中有两个很重要的函数可以直接调用:corr2 函数和max函数。Р Corr2 函数直接用来计算图像拒阵A与B的相关系数r。A与B的大小及数据类型必须相同,得到的结果r是双精度标量。其调用方法如下:Р r=corr2(A,B)Р 因此本设计中的字符识别只需调用此函数,即将分割出来的字符与设置好的模板一一进行相关运算,然后寻找出它们中的最大相关值。max函数就是用来选择几个数值的大小值。其调用方式如下:Р [b,c]=max(a(:))Р 其中b返回的是比较后得到的最大值,c是最大值所对应的元素位置。
全文预览
