基于SVM和神经网络的车牌识别

有写过两篇文章介绍如何检测车牌及对车牌字符进行识别，写的有些凌乱，这篇文章将整合一个较为完整的、简短的思路。

1.车牌检测

主要的步骤：
a. sobel滤波器
b. 阈值算子
c. 闭形态学算子
d. 一个区域填充掩码
e. 用红色标记可能存在的车牌区域
f. 执行SVM分类检测车牌

a~e属于图像分割，f属于模式识别内容。在车牌分割时，使用的是查找轮廓的方法，提取外接矩形区域，对矩形区域进行车牌的判断（利用车牌的一些先验知识：宽高比、区域像素比等），提取符合要求的可能是车牌的区域，再进行SVM判断。SVM识别的输入图像应该具有一样的大小。

2.车牌字符识别

将使用人工神经网络对检测出的车牌进行字符识别。

主要步骤：

a. OCR（光学字符）分割（直方图均衡 ->阈值滤波 -> 查找轮廓 ->验证轮廓是否为字符）

b. 特征提取（水平和竖直累积直方图、低分辨率图像）

c. OCR分类（使用人工神经网络ANN）

字符的分割与车牌区域的分割有点类似， 通过对检测的车牌进行图像分割，检测出可能存在字符的区域，同样根据车牌字符的先验知识（字符宽高比、字符区域像素比）判断字符。

3.车牌类

为了管理车牌，定义一个车牌类。该类记录车牌字符的相对位置，实现最后车牌的输出位置。之前没有用到，现在给出：

class Plate
{
public:
    Plate();
    Plate (Mat img, Rect pos);
    string str();
    Rect position;
    Mat plateImg;
    vector< char > chars;
    vector < Rect> charsPos;

};

Plate::Plate()
{

}

string Plate::str()
{
    string result="";
    //Order numbers
    vector<int> orderIndex;
    vector<int> xpositions;
    for(int i=0; i< charsPos.size(); i++){
        orderIndex.push_back(i);
        xpositions.push_back(charsPos[i].x);
    }
    float min=xpositions[0];
    int minIdx=0;
    for(int i=0; i< xpositions.size(); i++){
        min=xpositions[i];
        minIdx=i;
        for(int j=i; j<xpositions.size(); j++){
            if(xpositions[j]<min){
                min=xpositions[j];
                minIdx=j;
            }
        }
        int aux_i=orderIndex[i];
        int aux_min=orderIndex[minIdx];
        orderIndex[i]=aux_min;
        orderIndex[minIdx]=aux_i;

        float aux_xi=xpositions[i];
        float aux_xmin=xpositions[minIdx];
        xpositions[i]=aux_xmin;
        xpositions[minIdx]=aux_xi;
    }
    for(int i=0; i<orderIndex.size(); i++){
        result=result+chars[orderIndex[i]];
    }
    return result;
}

检测的结果：

完整的工程代码：http://download.csdn.net/detail/yiluoyan/8647951