基于改進(jìn)極限學(xué)習(xí)機(jī)的車牌字符識(shí)別方法.pdf

1、隨著世界各國(guó)汽車數(shù)量的迅速增加,車牌識(shí)別技術(shù)已經(jīng)成為智能交通系統(tǒng)中的核心技術(shù)。車牌識(shí)別技術(shù)在提高交通管理效率、節(jié)省人力成本等應(yīng)用上發(fā)揮著至關(guān)重要的作用?，F(xiàn)有的車牌識(shí)別技術(shù)在識(shí)別速度和準(zhǔn)確率等方面存在一定的不足。本文對(duì)車牌定位、車牌分割等圖像處理方法進(jìn)行了探討,在此基礎(chǔ)上提出了基于改進(jìn)極限學(xué)習(xí)機(jī)(ELM,Extreme Learning Machine)算法的車牌字符識(shí)別方法,實(shí)現(xiàn)了快速、準(zhǔn)確識(shí)別車牌字符的目的。
　　在車牌定位方面

2、,本文對(duì)基于車牌灰度變換特征的投影擬合定位方法進(jìn)行了研究。此方法首先利用圖像灰度特征及形態(tài)學(xué)處理將車牌圖像二值化,然后基于投影擬合及區(qū)域分析提取候選車牌區(qū)域,最后結(jié)合先驗(yàn)知識(shí)去除非車牌區(qū)域,得到目標(biāo)車牌區(qū)域。
　　在車牌分割方面,本文主要對(duì)垂直投影法進(jìn)行了研究。首先在車牌準(zhǔn)確定位的基礎(chǔ)上,根據(jù)顏色跳變法去除二值化車牌圖像的上下邊框。然后對(duì)車牌圖像進(jìn)行垂直投影,并針對(duì)字符和投影特征提出了自適應(yīng)的分割算法,最終能有效去除車牌的左右邊框

3、并實(shí)現(xiàn)單個(gè)字符圖像的分割。
　　在車牌字符識(shí)別的方法上,本文對(duì)極限學(xué)習(xí)機(jī)算法的特點(diǎn)進(jìn)行深入的研究,并將其參數(shù)的產(chǎn)生過程進(jìn)行優(yōu)化,提出了改進(jìn)的極限學(xué)習(xí)機(jī)算法,結(jié)合該算法進(jìn)行字符識(shí)別。根據(jù)車牌字符特征,本文研究了兩種字符特征提取方法,并針對(duì)每個(gè)字符的排列順序,設(shè)計(jì)了漢字、字母、字母混合數(shù)字三個(gè)基于改進(jìn)ELM的字符分類器,根據(jù)車牌字符的排列特征對(duì)相應(yīng)的字符進(jìn)行有效識(shí)別。其中在字母數(shù)字混合分類器中,本文還設(shè)計(jì)了拒識(shí)功能,將易混淆字符挑選出