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)，要求快速準確地識別出車牌圖像中分割后的單個字符，字符識別的結果直接關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習問題，其目標是得到現(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，用這些特征構造支持向量機算法的特征矢量。最后運用結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上，針對總類型數(shù)量