基于SVM的車牌字符識(shí)別算法研究與實(shí)現(xiàn).pdf

1、支撐向量機(jī)(SVM)作為機(jī)器學(xué)習(xí)和模式識(shí)別中的一個(gè)重要理論，在解決小樣本聚類學(xué)習(xí)、非線性問(wèn)題、異常值檢測(cè)等領(lǐng)域得到了廣泛地應(yīng)用。車牌自動(dòng)識(shí)別系統(tǒng)是機(jī)器學(xué)習(xí)和模式識(shí)別技術(shù)在智能交通領(lǐng)域中的重要應(yīng)用，受到廣泛地關(guān)注。因此，進(jìn)行基于支撐向量機(jī)的車牌字符識(shí)別技術(shù)的研究，具有一定的理論意義和實(shí)用價(jià)值。車牌識(shí)別系統(tǒng)主要由車牌預(yù)處理與定位、車牌字符分割、車牌字符識(shí)別三個(gè)部分組成。本文結(jié)合實(shí)際場(chǎng)景采集的車牌圖像，研究并設(shè)計(jì)了一款車牌識(shí)別軟件實(shí)驗(yàn)系統(tǒng)。<

2、br>　　本研究主要內(nèi)容包括：⑴在車牌預(yù)處理模塊中，本文采用了灰度化、對(duì)比度增強(qiáng)、中值濾波、Canny邊緣檢測(cè)、二值化等方法；在定位模塊，采用了行掃描的方式和垂直投影等手段，可以有效地確定車牌的上下邊界和左右邊界，為后續(xù)的字符分割奠定了基礎(chǔ)。⑵在車牌字符分割模塊中，主要采用了以Hough變換為主的車牌傾斜校正，能夠有效檢測(cè)車牌的傾斜角度，并實(shí)時(shí)地進(jìn)行校正處理；對(duì)于校正后的車牌進(jìn)行分割處理，結(jié)合字符的固有特征和幾何結(jié)構(gòu)，采用垂直投影、閾值

3、定界等方法確定字符的分割邊界，克服了字符粘連、字符斷裂情況下分割出錯(cuò)的缺點(diǎn)，有效地提高了字符分割的準(zhǔn)確率。⑶在字符識(shí)別中，通過(guò)分割后的字符歸一化處理，提取車牌字符特征，采用了結(jié)合貫序最小優(yōu)化算法的SVM進(jìn)行分類預(yù)測(cè)，并采用交叉驗(yàn)證的方式得到小樣本下最優(yōu)化參數(shù)；本文還做了樣本遞增實(shí)驗(yàn)，實(shí)驗(yàn)得出在有限樣本條件下的最優(yōu)樣本容量；針對(duì)識(shí)別出錯(cuò)的車牌字符，采用監(jiān)督學(xué)習(xí)的方式，重新學(xué)習(xí)后再加入樣本庫(kù)訓(xùn)練和建模，可以提高系統(tǒng)的識(shí)別率。⑷最后，結(jié)合實(shí)驗(yàn)