基于小波變換與支持向量機(jī)的車牌識(shí)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(diǎn)，車牌識(shí)別系統(tǒng)是智能交通系統(tǒng)的一個(gè)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(jìn)程。但由于實(shí)際環(huán)境的復(fù)雜性使得車牌識(shí)別系統(tǒng)在實(shí)際應(yīng)用中的效果并不理想。鑒于小波變換優(yōu)良的時(shí)頻特性以及支持向量機(jī)極強(qiáng)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(jī)的車牌識(shí)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(shí)驗(yàn)選取了各種復(fù)雜背景下的車牌413幅，定位準(zhǔn)確率達(dá)98．2%，且具有較強(qiáng)的環(huán)境適應(yīng)性。 2、對(duì)粗定位車牌進(jìn)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(duì)車牌進(jìn)行了字符的分割。 3、基于小波分析理論對(duì)分割后的字符圖像進(jìn)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(duì)識(shí)別結(jié)果的影響。分析了應(yīng)用支持向量機(jī)進(jìn)行分類時(shí)特征選擇的性能。 4、利用最小二乘支持向量機(jī)分類算法對(duì)車牌字符進(jìn)行識(shí)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(yàn)證的網(wǎng)格搜索法優(yōu)化分類器的參數(shù)，設(shè)計(jì)并實(shí)現(xiàn)了數(shù)字，字母，數(shù)字和字