基于SVM的車牌字符識別算法研究與實現.pdf

1、支撐向量機(SVM)作為機器學習和模式識別中的一個重要理論，在解決小樣本聚類學習、非線性問題、異常值檢測等領域得到了廣泛地應用。車牌自動識別系統(tǒng)是機器學習和模式識別技術在智能交通領域中的重要應用，受到廣泛地關注。因此，進行基于支撐向量機的車牌字符識別技術的研究，具有一定的理論意義和實用價值。車牌識別系統(tǒng)主要由車牌預處理與定位、車牌字符分割、車牌字符識別三個部分組成。本文結合實際場景采集的車牌圖像，研究并設計了一款車牌識別軟件實驗系統(tǒng)。<

2、br>　　本研究主要內容包括：⑴在車牌預處理模塊中，本文采用了灰度化、對比度增強、中值濾波、Canny邊緣檢測、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。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，能夠有效檢測車牌的傾斜角度，并實時地進行校正處理；對于校正后的車牌進行分割處理，結合字符的固有特征和幾何結構，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的缺點，有效地提高了字符分割的準確率。⑶在字符識別中，通過分割后的字符歸一化處理，提取車牌字符特征，采用了結合貫序最小優(yōu)化算法的SVM進行分類預測，并采用交叉驗證的方式得到小樣本下最優(yōu)化參數；本文還做了樣本遞增實驗，實驗得出在有限樣本條件下的最優(yōu)樣本容量；針對識別出錯的車牌字符，采用監(jiān)督學習的方式，重新學習后再加入樣本庫訓練和建模，可以提高系統(tǒng)的識別率。⑷最后，結合實驗