在基于统计方法的车牌字符识别算法中,为了更有效地描述车牌字符特征的类条件概率密度,提出了一种基于高斯混合模型(GMM)的识别方法。首先采用Gabor变换来提取车牌字符的特征参数,然后通过GMM来逼近字符特征的类条件概率密度分布,最后根据得到的类条件概率密度分布函数构造贝叶斯分类器。其中,GMM的参数估计采用EM算法。实验表明,这种方法具有良好的字符识别效果、较强的鲁棒性以及较大的应用价值。
科研之友
微信
新浪微博
Facebook
分享链接
