基于數(shù)學(xué)形態(tài)學(xué)和支持向量機(jī)的車牌識(shí)別技術(shù)研究.pdf

1、車牌識(shí)別系統(tǒng)是現(xiàn)代智能交通系統(tǒng)的重要組成部分，在智能交通管理、治安檢查中有著十分廣闊的應(yīng)用前景，是目前國(guó)內(nèi)外研究的熱點(diǎn)。
　　 本文對(duì)車牌識(shí)別系統(tǒng)中車牌定位、車牌邊緣檢測(cè)、字符分割、字符識(shí)別4個(gè)關(guān)鍵環(huán)節(jié)進(jìn)行了分析研究，具體如下：
　　 (1)車牌定位：針對(duì)數(shù)學(xué)形態(tài)學(xué)定位法易產(chǎn)生多個(gè)候選區(qū)域的問題，提出了一種基于數(shù)學(xué)形態(tài)學(xué)和顏色的車牌定位算法。該方法基于車牌區(qū)域含有豐富邊緣的特征，首先進(jìn)行邊緣檢測(cè)，運(yùn)用形態(tài)學(xué)方法進(jìn)行圖像去

2、噪和平滑，然后采用二值面積形態(tài)學(xué)方法確定候選區(qū)域，最后結(jié)合車牌的顏色特征確定最終的車牌圖像區(qū)域。仿真實(shí)驗(yàn)結(jié)果表明該算法定位精度高，魯棒性好，具有較大的實(shí)用價(jià)值。
　　 (2)車牌邊緣檢測(cè)：針對(duì)車牌圖像的提取過程中的噪聲干擾問題，提出一種基于多尺度多結(jié)構(gòu)元素的形態(tài)學(xué)邊緣檢測(cè)算法，通過設(shè)定閾值和參數(shù)，控制結(jié)構(gòu)元素的尺寸，實(shí)現(xiàn)在有效去除車牌圖像噪聲干擾的同時(shí)，利用多方向結(jié)構(gòu)元素精確地檢測(cè)出車牌邊緣細(xì)節(jié)。
　　 (3)字符的分割

3、：針對(duì)模糊車牌圖像直方圖的雙峰特性不明顯的情況，提出一種基于一維熵和迭代法進(jìn)行圖像的二值化的方法，獲取比較清晰的車牌二值圖像，再用一種改進(jìn)的垂直投影法進(jìn)行字符分割，根據(jù)車牌字符間距的先驗(yàn)知識(shí)估算掃描初始位置，取得了良好的分割效果。
　　 (4)字符的識(shí)別：針對(duì)傳統(tǒng)的SVM分類算法在分類器訓(xùn)練過程中存在的樣本位置偏移問題，提出一種基于質(zhì)心和外邊框的字符位置歸一化算法，提高了字符特征提取的有效性。在兩類分類器的基礎(chǔ)上，構(gòu)造了適用于車