基于支持向量機(jī)的車牌字符識(shí)別研究.pdf

1、車牌字符識(shí)別是車牌識(shí)別系統(tǒng)的最后環(huán)節(jié)，要求快速準(zhǔn)確地識(shí)別出車牌圖像中分割后的單個(gè)字符，字符識(shí)別的結(jié)果直接關(guān)系到整個(gè)車牌識(shí)別系統(tǒng)的成敗。然而，目前大多數(shù)研究方法多是基于經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化原理的傳統(tǒng)的統(tǒng)計(jì)模式識(shí)別，它只有在樣本數(shù)趨于無窮大時(shí)其性能才有理論上的保證。而對(duì)于汽車車牌字符識(shí)別這樣的實(shí)際應(yīng)用，樣本通常是有限的，這時(shí)傳統(tǒng)的方法難以取得理想的效果。
　　支持向量機(jī)能夠較好地解決小樣本學(xué)習(xí)問題，其目標(biāo)是得到現(xiàn)有信息的最優(yōu)解而不僅僅是樣本

2、數(shù)趨于無窮大時(shí)的最優(yōu)值。對(duì)于樣本集線性不可分的情況，通過事先確定的非線性映射將輸入矢量映射到一個(gè)高維特征空間，然后在此高維空間中構(gòu)建最優(yōu)超平面。具體反映在支持向量機(jī)選用的核函數(shù)，它能夠避免在高維特征空間中進(jìn)行復(fù)雜的運(yùn)算。
　　本文給出了線性支持向量機(jī)分類的理論原理，同時(shí)對(duì)常用的幾種支持向量機(jī)訓(xùn)練算法進(jìn)行討論，特別對(duì)SMO算法進(jìn)行了深入研究，并對(duì)其進(jìn)行改進(jìn)。
　　對(duì)車牌字符識(shí)別的實(shí)現(xiàn)方法的研究上，首先，對(duì)二值化噪聲濾除后的車牌

3、字符圖像進(jìn)行了基于質(zhì)心及雙線性插值的歸一化處理。然后提出先對(duì)字符進(jìn)行幾何變換，再利用圖像的粗網(wǎng)格特征與方向線素特征集成起來提取特征矢量的思想。將支持向量機(jī)分類的輸入?yún)?shù)集中在粗網(wǎng)格特征上，用這些特征構(gòu)造支持向量機(jī)算法的特征矢量。最后運(yùn)用結(jié)合多層感知器和單向二叉決策樹分類識(shí)別方法對(duì)車牌字符進(jìn)行識(shí)別。實(shí)驗(yàn)證明，采用本文識(shí)別方法對(duì)車牌字符中的數(shù)字、字母及漢字都具有很好的識(shí)別效果。
　　本文在分析多類支持向量機(jī)分類的基礎(chǔ)上，針對(duì)總類型數(shù)量