基于提升小波與支持向量機(jī)的車牌識別研究.pdf

1、車牌識別技術(shù)是智能交通系統(tǒng)的重要組成部分,是圖像處理、模式識別與計算機(jī)視覺等技術(shù)在智能交通管理中的重要應(yīng)用。在實際中,由于諸多干擾因素和復(fù)雜環(huán)境的影響,使得此技術(shù)的應(yīng)用受到很大的限制。鑒于提升小波優(yōu)良的時頻分析性能以及支持向量機(jī)靈活強(qiáng)大的分類能力,本文在對車牌識別各個環(huán)節(jié)的實現(xiàn)難點進(jìn)行深入分析的基礎(chǔ)上,研究了基于提升小波與支持向量機(jī)理論的車牌識別技術(shù)。主要工作如下:
　　 1、車牌定位:傳統(tǒng)定位算法通常對車牌顏色、光照、復(fù)雜背景

2、等因素非常敏感,往往不能同時保證魯棒性和準(zhǔn)確率,本文提出一種以提升小波變換為核心,結(jié)合滑動模板算法、投影算法、聚類分析、數(shù)學(xué)形態(tài)學(xué)運(yùn)算等多種技術(shù)融合的車牌定位算法,不但有效地提高了復(fù)雜條件下的定位準(zhǔn)確率和速度,而且極大限度地降低了算法對顏色、邊框等在實際中易受環(huán)境影響的車牌信息的依賴,增強(qiáng)了算法的魯棒性。
　　 2、字符分割:充分考慮到車牌字符粘連、斷裂、噪聲等干擾因素以及車牌字符的分布特征及字符本身的結(jié)構(gòu)特征,本文在對傳統(tǒng)模板