学位论文 > 优秀研究生学位论文题录展示

基于SVM的车牌字符识别算法研究与实现

作　者: 杨旭
导　师: 卢官明
学　校: 南京邮电大学
专　业: 信号与信息处理
关键词: 车牌定位图像预处理字符分割字符识别支撑向量机
分类号: TP391.41
类　型: 硕士论文
年　份: 2012年
下　载: 109次
引　用: 0次
阅　读: 论文下载

内容摘要

支撑向量机（SVM）作为机器学习和模式识别中的一个重要理论，在解决小样本聚类学习、非线性问题、异常值检测等领域得到了广泛地应用。车牌自动识别系统是机器学习和模式识别技术在智能交通领域中的重要应用，受到广泛地关注。因此，进行基于支撑向量机的车牌字符识别技术的研究，具有一定的理论意义和实用价值。车牌识别系统主要由车牌预处理与定位、车牌字符分割、车牌字符识别三个部分组成。本文结合实际场景采集的车牌图像，研究并设计了一款车牌识别软件实验系统。具体研究内容包含如下：1.在车牌预处理模块中，本文采用了灰度化、对比度增强、中值滤波、Canny边缘检测、二值化等方法；在定位模块，采用了行扫描的方式和垂直投影等手段，可以有效地确定车牌的上下边界和左右边界，为后续的字符分割奠定了基础。2.在车牌字符分割模块中，主要采用了以Hough变换为主的车牌倾斜校正，能够有效检测车牌的倾斜角度，并实时地进行校正处理；对于校正后的车牌进行分割处理，结合字符的固有特征和几何结构，采用垂直投影、阈值定界等方法确定字符的分割边界，克服了字符粘连、字符断裂情况下分割出错的缺点，有效地提高了字符分割的准确率。3.在字符识别中，通过分割后的字符归一化处理，提取车牌字符特征，采用了结合贯序最小优化算法的SVM进行分类预测，并采用交叉验证的方式得到小样本下最优化参数；本文还做了样本递增实验，实验得出在有限样本条件下的最优样本容量；针对识别出错的车牌字符，采用监督学习的方式，重新学习后再加入样本库训练和建模，可以提高系统的识别率。4.最后，结合实验室的已有资源和前人的经验，设计了一款车牌识别软件实验系统，并给出了相关接口功能和数据库的设计流程。

全文目录

摘要  4-5
Abstract  5-9
第一章绪论  9-15
  1.1 车牌识别技术研究背景  9-10
  1.2 车牌识别技术的研究现状  10-12
    1.2.1 国外现状  10
    1.2.2 国内现状  10-12
  1.3 车牌识别处理流程  12-13
  1.4 字符识别方法简介  13-14
  1.5 论文的主要内容与结构安排  14-15
第二章车牌定位与字符分割  15-32
  2.1 车牌预处理技术  15-20
    2.1.1 图像灰度化  15
    2.1.2 图像增强与去噪  15-17
    2.1.3 图像边缘检测  17-19
    2.1.4 图像二值化  19-20
  2.2 车牌定位技术  20-27
    2.2.1 车牌粗定位  20-23
    2.2.2 倾斜校正  23-24
    2.2.3 车牌细定位  24-25
    2.2.4 实验结果与分析  25-27
  2.3 字符分割技术  27-31
    2.3.1 汽车车牌字符的特点  27-28
    2.3.2 本文采用的字符分割方法  28-31
  2.4 本章小结  31-32
第三章基于SVM 的车牌字符识别  32-51
  3.1 SVM 原理  32-35
    3.1.1 最优分类面  32-33
    3.1.2 线性支撑向量机  33-34
    3.1.3 支撑向量机的推广  34-35
  3.2 SVM 核函数与参数选择  35-39
  3.3 SMO 算法的引入  39-41
  3.4 特征提取与分类器构建  41-45
    3.4.1 字符特征选择  41-42
    3.4.2 特征归一化与训练  42-44
    3.4.3 构建分类器  44-45
  3.5 监督学习的引入  45-46
  3.6 实验数据与分析  46-51
第四章车牌识别系统的软件设计  51-55
  4.1 软件设计与实现  51-53
  4.2 构建数据库  53-54
  4.3 本章小结  54-55
第五章总结与展望  55-57
  5.1 研究工作总结  55-56
  5.2 研究工作展望  56-57
致谢  57-58
参考文献  58-62
作者在攻读硕士学位期间发表论文  62

基于SVM的车牌字符识别算法研究与实现

内容摘要

全文目录

相似论文