基于SVM車牌識(shí)別系統(tǒng)的研究與實(shí)現(xiàn).pdf

1、隨著經(jīng)濟(jì)與社會(huì)的發(fā)展，城市的智能化交通管理已經(jīng)成為了現(xiàn)代化發(fā)展的一個(gè)重要的研究領(lǐng)域，作為智能交通的一個(gè)重要分支，車牌識(shí)別系統(tǒng)用于收集車牌的信息得到了快速發(fā)展，但是對(duì)于車牌系統(tǒng)識(shí)別的實(shí)時(shí)性和準(zhǔn)確性，仍然需要不斷的提高。
　　本文在對(duì)車牌識(shí)別算法研究的基礎(chǔ)上，設(shè)計(jì)了一個(gè)基于支持向量機(jī)的車牌識(shí)別系統(tǒng)，整個(gè)系統(tǒng)設(shè)計(jì)包含四個(gè)主要模塊:
　　第一個(gè)模塊是車牌圖像的預(yù)處理，首先將采集的彩色車牌圖像灰度化，然后使用直方圖均衡化使得車牌圖像的

2、對(duì)比度得到增強(qiáng)，最后本文采用改進(jìn)了的Sobel算子，以及基于遺傳學(xué)最大熵閾值確定方法得到了精確的車牌邊緣，并使用邊界跟蹤的方法排除噪聲的干擾;
　　第二個(gè)模塊是車牌的定位，本文首先分析我國(guó)汽車牌照的主要特征，然后采用基于數(shù)學(xué)形態(tài)學(xué)的車牌定位方式得到車牌的大致位置，最后使用窗口搜索法以及水平投影、垂直投影的方法得到精確的車牌位置;
　　第三個(gè)模塊是車牌字符的分割，采用了改進(jìn)的Otsu算法，對(duì)車牌圖像進(jìn)行二值化處理并使用Houg

3、h變換對(duì)車牌進(jìn)行傾斜校正，根據(jù)字符特征獲取字符的寬度，去除車牌中的圓點(diǎn)，然后采用投影的方式將字符分割，最后將字符進(jìn)行歸一化處理;
　　第四個(gè)模塊是車牌字符的識(shí)別，采用了基于支持向量機(jī)(SVM)的字符識(shí)別方式，先選取了車牌的額特征向量，采用高斯函數(shù)對(duì)參數(shù)向量進(jìn)行訓(xùn)練，并用三個(gè)分類器對(duì)字符進(jìn)行識(shí)別，得出精確的識(shí)別結(jié)果。
　　本文采集了500幅車牌圖像在該系統(tǒng)上做仿真實(shí)驗(yàn)，其結(jié)果識(shí)別率達(dá)到93.1％，平均耗時(shí)104.8毫秒，提高了