基于支持向量機的車牌字符識別研究.pdf

1、車牌字符識別是車牌識別系統(tǒng)的最后環(huán)節(jié)，要求快速準(zhǔn)確地識別出車牌圖像中分割后的單個字符，字符識別的結(jié)果直接關(guān)系到整個車牌識別系統(tǒng)的成敗。然而，目前大多數(shù)研究方法多是基于經(jīng)驗風(fēng)險最小化原理的傳統(tǒng)的統(tǒng)計模式識別，它只有在樣本數(shù)趨于無窮大時其性能才有理論上的保證。而對于汽車車牌字符識別這樣的實際應(yīng)用，樣本通常是有限的，這時傳統(tǒng)的方法難以取得理想的效果。
　　支持向量機能夠較好地解決小樣本學(xué)習(xí)問題，其目標(biāo)是得到現(xiàn)有信息的最優(yōu)解而不僅僅是樣本

2、數(shù)趨于無窮大時的最優(yōu)值。對于樣本集線性不可分的情況，通過事先確定的非線性映射將輸入矢量映射到一個高維特征空間，然后在此高維空間中構(gòu)建最優(yōu)超平面。具體反映在支持向量機選用的核函數(shù)，它能夠避免在高維特征空間中進行復(fù)雜的運算。
　　本文給出了線性支持向量機分類的理論原理，同時對常用的幾種支持向量機訓(xùn)練算法進行討論，特別對SMO算法進行了深入研究，并對其進行改進。
　　對車牌字符識別的實現(xiàn)方法的研究上，首先，對二值化噪聲濾除后的車牌

3、字符圖像進行了基于質(zhì)心及雙線性插值的歸一化處理。然后提出先對字符進行幾何變換，再利用圖像的粗網(wǎng)格特征與方向線素特征集成起來提取特征矢量的思想。將支持向量機分類的輸入?yún)?shù)集中在粗網(wǎng)格特征上，用這些特征構(gòu)造支持向量機算法的特征矢量。最后運用結(jié)合多層感知器和單向二叉決策樹分類識別方法對車牌字符進行識別。實驗證明，采用本文識別方法對車牌字符中的數(shù)字、字母及漢字都具有很好的識別效果。
　　本文在分析多類支持向量機分類的基礎(chǔ)上，針對總類型數(shù)量