基于多特征和SVM的車牌字符識(shí)別.pdf

1、隨著圖像處理和模式識(shí)別技術(shù)的發(fā)展，智能交通管理系統(tǒng)已成為當(dāng)前公路交通、城市交通管理的發(fā)展方向。其中，車牌字符識(shí)別技術(shù)是智能交通管理系統(tǒng)的核心部分之一。而字符識(shí)別的準(zhǔn)確率和識(shí)別速度又是該技術(shù)是否能夠用于實(shí)際工程的關(guān)鍵性指標(biāo)，所以研究出一種快速準(zhǔn)確的字符識(shí)別方法就顯得特別重要。 車牌字符識(shí)別主要由兩個(gè)部分組成：特征提取和分類器設(shè)計(jì)。合適的特征提取方法和分類器能夠提高車牌字符識(shí)別的準(zhǔn)確率。而快速的分類器訓(xùn)練和識(shí)別算法能夠加速車牌識(shí)別系

2、統(tǒng)在實(shí)際工程中的應(yīng)用。 與傳統(tǒng)的機(jī)器學(xué)習(xí)方法相比，支持向量機(jī)（SVM）在泛化性，非線性以及高維分類方面有著巨大的優(yōu)勢(shì)。近年來SVM已在臉像識(shí)別、語音識(shí)別、文章分類等眾多領(lǐng)域得到了廣泛應(yīng)用。目前研究SVM的文章雖然較多，但關(guān)于SVM在工程中的應(yīng)用方法的研究卻相對(duì)較少，尤其在提高SVM訓(xùn)練和識(shí)別速度方面。 針對(duì)支持向量機(jī)訓(xùn)練參數(shù)選擇問題，在分析了已有的幾種參數(shù)選擇方法之后，本文提出了一種基于改進(jìn)模擬退火的參數(shù)選擇算法。在車牌

3、字符識(shí)別應(yīng)用中，改進(jìn)算法的字符識(shí)別準(zhǔn)確率與網(wǎng)格法大致相當(dāng)，但是花費(fèi)的時(shí)間卻遠(yuǎn)遠(yuǎn)低于網(wǎng)格法；同貪婪下降算法相比，使用改進(jìn)方法的字符識(shí)別的準(zhǔn)確率更加穩(wěn)定。 針對(duì)支持向量機(jī)多類分類問題，本文在分析了已有的幾種支持向量機(jī)多類分類方法之后，提出一種基于勝者樹的改進(jìn)多類分類算法。改進(jìn)算法在保證準(zhǔn)確率與一對(duì)一方法相等的基礎(chǔ)之上，使用剪枝的思想有效避免了一對(duì)一方法中的冗余票數(shù)的統(tǒng)計(jì)。在車牌字符識(shí)別應(yīng)用中，改進(jìn)算法與一對(duì)一方法相比，大大縮短了識(shí)別