基于支持向量機的紙幣號碼識別.pdf

1、支持向量機(SupportVectorMachines,簡稱SVM)是在統(tǒng)計學習理論基礎上發(fā)展起來的一種新的通用學習方法，它已初步表現(xiàn)出很多優(yōu)于已有方法的性能。由于采用了結構風險最小化原則代替經驗風險最小化原則，使得它較好地解決了小樣本學習的問題；又由于采用了核函數(shù)思想，使它把非線性空間的問題轉化到線性空間，降低了算法的復雜度。正是因為其完備的理論基礎和出色的學習性能，該技術已成為機器學習界的研究熱點，并在很多領域都得到了成功應用，如人

2、臉檢測、數(shù)字識別、文本自動分類等。 本文將支持向量機引入紙幣號碼的識別系統(tǒng)，主要進行的工作如下： (1)整理總結了國內外學術界關于統(tǒng)計學習理論方面的研究成果與現(xiàn)狀，介紹了統(tǒng)計學習理論的基本概念和支持向量機的基本原理； (2)將支持向量機應用于紙幣號碼的識別問題中。號碼識別包括圖像的采集、圖像的預處理以及字符的識別三個步驟，先用高速圖像采集設備CMOS攝像頭進行紙幣號碼圖像的采集，利用Hough變換與數(shù)學形態(tài)學方法

3、進行特征提取，在識別階段采用支持向量機算法進行字符的識別。經典的支持向量機僅針對兩類分類問題，本文提出并實現(xiàn)了幾種多類分類器策略，并針對數(shù)字識別對它們的實際效果進行了比較； (3)在硬件系統(tǒng)設計上，由于考慮到實時性，所以采用DSP作為處理器，紙幣的號碼圖像通過CMOS的高速采集及數(shù)據(jù)轉換，存入DSP的存儲空間；然后由DSP處理器對讀入的數(shù)據(jù)進行一系列的處理，繼而實現(xiàn)紙幣號碼的識別功能。 本文實現(xiàn)的系統(tǒng)滿足了號碼識別實時性