[发明专利]一种飞机尾号识别方法

说明书

技术领域

本发明属于尾号识别的技术领域，特别涉及一种飞机尾号识别方法。

背景领域

飞机尾号识别系统中的飞机尾号字符识别技术，其本质是模式识别范畴中的重要方向 ——文字识别。文字识别(Optical Character Recognition，OCR)概念是由德国科学家Tausheck 于1929年首次提出。随着计算机的出现和发展，OCR在全球范围内广泛研究。经过近一个 世纪的发展，OCR已经成为当今模式识别领域中最活跃的研究内容之一。它综合了数字图 像处理、计算机图形学和人工智能等多方面的知识，并在其相关领域中得到广泛应用。通常 OCR识别方法可以分为如下3类：统计特征字符识别技术、结构字符识别技术和基于人工 神经网络的识别技术。统计特征字符识别技术一般选取同一类字符中共有的、相对稳定的并 且分类性能好的统计特征作为特征向量。常用的统计特征有字符二维平面的位置特征、字符 在水平或者垂直方向投影的直方图特征、矩特征和字符经过频域变换或其他形式变换后的特 征等。二维的图像被一维的投影代替，计算量减少，同时也消除了文字在投影方向偏移的影 响，但是对于字符的旋转变形却无能为力。

基于结构的文字识别实际上是将字符映射到了基元组成的结构空间进行识别。识别过程 是在提取基元的基础上，利用形式语言和自动机理论，采取词法分析、树匹配、图匹配和知 识推理的方法分析字符结构的过程。J.Park分析了传统结构识别方法的弊端，提出主动字符 识别(Active Character Recognition)的思想，主动依据输入图像，动态确定结构特征的选取， 达到节省资源、加速识别的目的。与统计识别方法相对应，字符的结构识别技术更加便于区 分字型变化大的字符和字型相近的字符。但是由于对结构特征的描述和比较要占用大量的存 储和计算资源，因此算法在实现上相对复杂、识别速度慢。

基于人工神经网络的字符识别技术力图通过对人脑功能和结构的模拟来实现字符的高 效识别。经过近几年的迅速发展，人工神经网络在字符识别方面得到了广泛的应用。在OCR 系统中，人工神经网络主要充当分类器的功能。网络的输入是字符的特征向量，输出是字符 的分类结果，即识别结果。经过反复学习，神经网络可以智能地将特征向量优化，去除冗余、 矛盾的信息，强化类间的差异。由于神经网络采用分布式的网络结构，本身具备可以并行的 条件，可以加快大规模问题的求解速度。Krezyak和Le Cun主要研究了BP (Back-Propagation)神经网络在文字识别方面的应用，针对BP网络学习速度慢、泛化能 力弱的缺点，在BP网络的基础上产生了竞争监督学习的策略。

在飞机尾号识别方法研究过程中，需要准确的对飞机尾号进行定位、分割和识别，所面 临的主要难题有：

1、拍摄得到的机场场面图像受环境因素干扰，图片质量很难保证；

2、飞机尾号图像部分被遮挡和飞机尾号图像变形；

3、机场场面监控图像背景复杂和一幅图像多飞机尾号等问题；

4、受环境中光线等因素的影响，飞机尾号图像会有较大的噪声干扰，造成待分割的尾 号字符的字迹模糊，相邻字符粘连，甚至残缺不全。

发明内容

本发明的目的在于针对现有技术的不足，提出一种不同视角下的高分辨率的飞机尾号识 别方法，提高系统的识别性能，满足国内实际系统的性能。本发明是对飞机尾号识别方法的 研究，学习现有的模式识别和文字识别技术，并进行改进和创新，将其应用在飞机尾号识别 领域，为我国的A-SMGCS系统研究和实现提供机场飞机与车辆探测与识别方面的支持，从 而为我国的机场场面监视向着A-SMGCS系统的过渡和发展提供理论研究和技术支持。

为实现上述目的，本发明的技术方案为：一种飞机尾号识别方法，包括如下具体步骤：

步骤一、原始图片的图像捕获，从不同的视角拍摄多幅图像，并从多幅图像中找出含有 飞机尾号的图像；

步骤二、飞机尾号定位预处理，先根据飞机尾号的区域特征来判断牌照，从包含整个机 场场面监控的图像中找到尾号区域的位置；

步骤三、基于DCT域和边缘检测的飞机尾号定位技术，由于飞机尾号部分存在大量的 边缘信息，提出了基于DCT域和边缘特征的飞机尾号定位技术；