原文传递
基于多特征和SVM的车牌字符识别
| 论文题名： | 基于多特征和SVM的车牌字符识别 |
| 关键词： | 车牌字符识别;支持向量机;模拟退火;交叉验证;智能交通 |
| 摘要： | 随着图像处理和模式识别技术的发展，智能交通管理系统已成为当前公路交通、城市交通管理的发展方向。其中，车牌字符识别技术是智能交通管理系统的核心部分之一。而字符识别的准确率和识别速度又是该技术是否能够用于实际工程的关键性指标，所以研究出一种快速准确的字符识别方法就显得特别重要。 车牌字符识别主要由两个部分组成：特征提取和分类器设计。合适的特征提取方法和分类器能够提高车牌字符识别的准确率。而快速的分类器训练和识别算法能够加速车牌识别系统在实际工程中的应用。 与传统的机器学习方法相比，支持向量机（SVM）在泛化性，非线性以及高维分类方面有着巨大的优势。近年来SVM已在脸像识别、语音识别、文章分类等众多领域得到了广泛应用。目前研究SVM的文章虽然较多，但关于SVM在工程中的应用方法的研究却相对较少，尤其在提高SVM训练和识别速度方面。 针对支持向量机训练参数选择问题，在分析了已有的几种参数选择方法之后，本文提出了一种基于改进模拟退火的参数选择算法。在车牌字符识别应用中，改进算法的字符识别准确率与网格法大致相当，但是花费的时间却远远低于网格法；同贪婪下降算法相比，使用改进方法的字符识别的准确率更加稳定。 针对支持向量机多类分类问题，本文在分析了已有的几种支持向量机多类分类方法之后，提出一种基于胜者树的改进多类分类算法。改进算法在保证准确率与一对一方法相等的基础之上，使用剪枝的思想有效避免了一对一方法中的冗余票数的统计。在车牌字符识别应用中，改进算法与一对一方法相比，大大缩短了识别时间。 最后，在实验中，发现单特征很难达到区分全部字符的目的，因此本文设计了一种基于多特征的级联分类器。引入一种基于主成分分析（PCA）的特征可视化方法，辅助从众多的特征提取方法中针对特定字符集选择合适的特征提取方法。最后，经过实验证明，基于多特征的级联分类器在一定程度上提高了相似字符的识别率。 |
| 作者： | 董立乾 |
| 专业： | 计算机科学与工程 |
| 导师： | 舒华忠;周卫平 |
| 授予学位： | 硕士 |
| 授予学位单位： | 东南大学 |
| 学位年度： | 2009 |
| 正文语种： | 中文 |
检索历史
应用推荐
