基于小波變換與支持向量機的車牌識別.pdf

1、伴隨著世界各國汽車數(shù)量的增加，城市交通狀況日益受到人們的重視。智能交通系統(tǒng)也成為人們研究的熱點，車牌識別系統(tǒng)是智能交通系統(tǒng)的一個重要組成部分，它的成功開發(fā)必將大大加速智能交通系統(tǒng)的進程。但由于實際環(huán)境的復(fù)雜性使得車牌識別系統(tǒng)在實際應(yīng)用中的效果并不理想。鑒于小波變換優(yōu)良的時頻特性以及支持向量機極強的分類能力和靈活多樣的分類方式，本文研究了基于小波變換與支持向量機的車牌識別方法。主要工作如下： 1、提出了基于XYZ顏色空間融合小波高

2、頻能量的車牌定位方法，該方法利用了車牌圖像的顏色信息，并采用小波變換的垂直高頻能量來表征車牌區(qū)域字符的紋理信息，再結(jié)合車牌區(qū)域的幾何特征，快速準(zhǔn)確的提取出車牌區(qū)域。實驗選取了各種復(fù)雜背景下的車牌413幅，定位準(zhǔn)確率達98．2%，且具有較強的環(huán)境適應(yīng)性。 2、對粗定位車牌進行了完善的精定位，包括水平和垂直方向車牌的傾斜矯正，上下邊界的精確確定以及圖像的二值化與大小歸一化。充分考慮了字符的粘連、斷裂、噪聲、車牌邊框干擾等多種情況，利

3、用垂直投影法對車牌進行了字符的分割。 3、基于小波分析理論對分割后的字符圖像進行了特征提取，研究分析了直接利用小波分解系數(shù)和利用優(yōu)化后的小波包分解的特征提取方法，并比較了應(yīng)用不同小波基函數(shù)對識別結(jié)果的影響。分析了應(yīng)用支持向量機進行分類時特征選擇的性能。 4、利用最小二乘支持向量機分類算法對車牌字符進行識別。本文選擇了最小輸出編碼多類分類方法，并利用基于交叉驗證的網(wǎng)格搜索法優(yōu)化分類器的參數(shù)，設(shè)計并實現(xiàn)了數(shù)字，字母，數(shù)字和字