基于支持向量机的车牌识别系统的研究

发布时间：2017-05-10 22:13

  本文关键词：基于支持向量机的车牌识别系统的研究，由笔耕文化传播整理发布。

【摘要】：支持向量机是近几年来兴起的一个新的模式识别方法。由于其建立在结构风险最小化准则之上，而不是仅仅使经验风险达到最小，从而取得较好的推广能力，，已在很多领域取得了成功的应用。汽车牌照的自动识别是机器视觉与模式识别技术在智能交通领域的重要应用，受到了广泛的关注。因此，进行基于支持向量机的车牌识别系统研究具有一定的理论意义和实践价值。 本文选择支持向量机作为研究的方法，解决车牌识别中的问题。论文完成了以下工作： 1．提出了一种基于支持向量机的车牌区域定位方法，在实验中取得了较好的效果。 2．给出了两种二值化方法：迭代法和基于最小交叉熵的方法。并针对车牌图像的特点，改进了迭代法中的迭代系数的选择，使它具有较强的自适应能力。 3．基于投影函数并结合车牌知识的车牌字符的切分。 4．基于支持向量机方法，构造车牌字符识别的多类别识别器，提取字符样本特征训练识别器，然后对其进行了测试，并与其它方法做了比较实验。实验表明，取得了良好的识别结果。 5．在理论研究的基础之上，本文采用Microsoft Visual C++6.0编程语言对算法进行了实现，完成了车牌识别系统的软件平台。 本文研究表明：采用基于支持向量机的方法，可以有效地提高系统的抗干扰性和识别率。
【关键词】：支持向量机 车牌区域定位 二值化 字符识别
【学位授予单位】：合肥工业大学
【学位级别】：硕士
【学位授予年份】：2004
【分类号】：TP391.4
【目录】：

• 摘要4-13
• 第一章 绪论13-22
• 1.1 车牌识别系统13-14
• 1.1.1 车牌识别技术的概述13
• 1.1.2 车牌识别系统的结构组成13-14
• 1.2 车牌识别的特点及难点14-15
• 1.2.1 车牌区域定位的特点和难点14
• 1.2.2 车牌字符识别的特点和难点14-15
• 1.3 车牌识别技术的发展与现状15-18
• 1.3.1 车牌分割的研究现状15-16
• 1.3.2 车牌字符识别研究的发展与现状16-18
• 1.4 支持向量机的模式识别方法18-20
• 1.4.1 模式识别的理论简介18-19
• 1.4.2 支持向量机的发展19-20
• 1.4.3 支持向量机应用研究的现状20
• 1.5 研究的目的和意义20
• 1.6 本文研究的主要内容20-22
• 第二章 支持向量机理论22-33
• 2.1 机器学习的基本问题22-23
• 2.1.1 经验风险22-23
• 2.1.2 复杂性与推广能力23
• 2.2 统计学习理论的核心内容23-26
• 2.2.1 VC维24
• 2.2.2 推广性的界24-25
• 2.2.3 结构风险最小化25-26
• 2.3 支持向量机原理26-30
• 2.3.1 线性可分26-28
• 2.3.2 线性不可分28
• 2.3.3 支持向量机28-30
• 2.3.4 核函数30
• 2.4 支持向量机训练算法30-33
• 2.4.1 训练算法简介30-31
• 2.4.2 序贯最小优化算法31-33
• 第三章 基于支持向量机的车牌区域定位方法33-42
• 3.1 图像分割技术33-36
• 3.1.1 图像分割定义33-34
• 3.1.2 基于边界的分割技术34
• 3.1.3 基于区域的分割技术34
• 3.1.4 结合新的理论工具的分割技术34-36
• 3.2 基于支持向量机的车牌定位36-41
• 3.2.1 纹理的概念36
• 3.2.2 车牌区域特征36-37
• 3.2.3 训练SVM分类器37-38
• 3.2.4 SVM分类器结构38-39
• 3.2.5 分割车牌区域39-41
• 3.3 实验结果及结论41-42
• 第四章 二值化方法比较42-48
• 4.1 二值化方法42-43
• 4.1.1 阈值的选取42-43
• 4.1.2 已有的二值化方法43
• 4.2 两种二值化方法43-45
• 4.2.1 迭代法43-44
• 4.2.2 最小交叉熵法44-45
• 4.3 实验结果分析45-48
• 第五章 基于支持向量机的字符识别48-58
• 5.1 车牌字符的分割方法48-50
• 5.1.1 车牌的有关知识48
• 5.1.2 车牌字符分割算法48-50
• 5.2 车牌字符特征50-52
• 5.2.1 字符的归一化50-51
• 5.2.2 车牌字符特征提取51-52
• 5.3 基于支持向量机的字符识别52-54
• 5.3.1 基于支持向量机的多类分类器52-53
• 5.3.2 车牌字符识别流程53-54
• 5.4 实验结果和分析54-58
• 5.4.1 用于对比实验的其他方法54-55
• 5.4.2 实验结果及分析55-58
• 第六章 车牌识别系统的软件实现58-69
• 6.1 车牌识别系统的结构58-59
• 6.2 车牌识别软件的流程59
• 6.3 车牌识别软件模块的介绍59-61
• 6.3.1 程序中定义的类59-60
• 6.3.2 程序定义的结构60-61
• 6.3.3 车牌图像处理类之间的关系61
• 6.4 车牌识别系统软件的功能介绍61-67
• 6.4.1 程序主界面62
• 6.4.2 菜单项功能62-67
• 6.5 实验实例67-69
• 第七章 结论及建议69-71
• 参考文献71-77
• 附录77-88

【引证文献】

中国期刊全文数据库 前2条

1 李战明;杨红红;;车牌图像特征提取及改进神经网络的识别算法研究[J];现代电子技术;2016年16期

2 杜选;;基于支持向量机的车牌字符识别研究与应用[J];计算机系统应用;2008年08期

中国硕士学位论文全文数据库 前10条

1 张璐;基于支持向量机的车牌识别系统的研究[D];东北石油大学;2016年

2 袁景伟;基于机器视觉的车辆信息提取的研究与实现[D];山东大学;2016年

3 苟欢;下肢外骨骼机器人步态检测系统研究[D];北京林业大学;2016年

4 唐贵鑫;基于支持向量机（SVM）的车牌识别算法研究[D];黑龙江大学;2015年

5 张吉斌;基于图像处理及支持向量机的车牌识别技术研究[D];兰州交通大学;2013年

6 郭萍萍;SVM多分类关键技术研究及其在车牌字符识别中的应用[D];大连海事大学;2012年

7 黄鹏宇;嵌入式停车场管理系统设计与实现[D];电子科技大学;2011年

8 刘静;基于小波分析的支持向量机车牌识别技术研究与实现[D];西北大学;2010年

9 朱艳;应用于收费路口的车牌识别系统设计与实现[D];东北师范大学;2010年

10 尹明;基于提升小波的信号检测与图像识别方法研究[D];西南交通大学;2006年

  本文关键词：基于支持向量机的车牌识别系统的研究，由笔耕文化传播整理发布。

本文编号：355614