自然條件下車牌字符識(shí)別方法的研究.pdf

1、車輛牌照識(shí)別系統(tǒng)目前得到了廣泛的應(yīng)用，對(duì)交通智能管理具有重要的意義。而車牌字符識(shí)別作為其中關(guān)鍵的環(huán)節(jié)也成為了目前的研究熱點(diǎn)，它綜合了圖像處理，模式識(shí)別以及機(jī)器學(xué)習(xí)等多種技術(shù)。
　　本文根據(jù)自然條件下車牌字符模糊，變形等特點(diǎn)，提出了多種圖像噪聲處理的算法，包括單象素噪聲去除算法，基于連通域和二階矩以及邊緣掃描的噪聲去除算法，較好的去除了圖像中包含的噪聲區(qū)域。為了更好的描述字符特征，本文比較了幾種特征提取的算法，并采用了網(wǎng)格重心特征作

2、為車牌字符特征。
　　由于訓(xùn)練樣本不足，決定了采用傳統(tǒng)的基于經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化原則的識(shí)別方法難以取得較好的識(shí)別效果。統(tǒng)計(jì)學(xué)習(xí)理論是一種專門研究小樣本情況下機(jī)器學(xué)習(xí)規(guī)律的理論，在統(tǒng)計(jì)學(xué)習(xí)的VC維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理的基礎(chǔ)上，發(fā)展了支持向量機(jī)理論。因此本文采用了基于SVM的車牌字符識(shí)別方法。為了設(shè)計(jì)基于SVM的分類器，本文提出了衡量參數(shù)性能的標(biāo)準(zhǔn)：推廣正確率和支持向量數(shù)。并給出了基于二次網(wǎng)格搜索方法的核參數(shù)選取方法，找出了多項(xiàng)式核函數(shù)

3、，RBF核函數(shù)以及Sigmoid核函數(shù)的最佳參數(shù)，從中確定了SVM的最優(yōu)核函數(shù)及其參數(shù)。同時(shí)給出了多類判別的方法。針對(duì)部分車牌字符圖像質(zhì)量過差的特點(diǎn)，本文提出了衡量拒識(shí)性能的標(biāo)準(zhǔn)：正確拒識(shí)率和召回率，并給出了基于投票閾值的拒識(shí)算法，對(duì)拒識(shí)性能進(jìn)行了分析。
　　為了比較SVM的識(shí)別性能，本文也采用了基于混合高斯模型的車牌字符識(shí)別算法，給出了基于GMM的分類器的訓(xùn)練和識(shí)別的算法，提出了基于概率密度的拒識(shí)算法，并就識(shí)別準(zhǔn)確率和拒識(shí)性能與