原文传递
基于图像处理及支持向量机的车牌识别技术研究
| 论文题名： | 基于图像处理及支持向量机的车牌识别技术研究 |
| 关键词： | 车牌定位;数学形态学;支持向量机;图像处理 |
| 摘要： | 随着我国城市化建设规模的扩大，主要大城市人口数量和机动车的保有量不断增加，导致各个大城市道路交通拥堵。ITS(IntelligentTransportSystem，智能交通系统)的兴起一定程度上缓解了日益严重的交通压力，促进了交通科学信息化、智能化、社会化的发展。车牌自动识别系统作为ITS的核心部分，在许多领域中得到了广泛的应用。完整的车牌识别系统包括车牌图像预处理、车牌定位、车牌字符分割、车牌字符识别四部分内容。论文对车牌识别系统的几个主要部分，包括车牌图像预处理、车牌定位、车牌字符识别三部分进行了研究。 (1)车牌图像预处理。图像预处理主要包括RGB(RedGreenBlue，红绿蓝)图像的灰度转换、非线性灰度拉伸、直方图规格化、二值化。经过预处理后的图像，降低了车牌图像背景的复杂度，为车牌识别提高了精度，节省了运算的时间和存储空间。 (2)车牌定位。论文采用了一种基于顶帽变换和车牌形态学体态分析法相结合的车牌定位方法，顶帽变换后的车牌图像滤除了大部分背景，然后应用改进的多方向Sobel算子检测车牌区域，得到车牌候选区域，根据车牌自身的尺寸特征，利用形态学体态分析法对候选车牌区域滤波，滤波后的图像用4邻域连通彩色标记，最后用水平垂直扫描定位出车牌，仿真结果表明该定位方法是可行有效的。 (3)车牌字符识别。对采集的车牌字符样本归一化处理，用粗网格提取字符的特征，通过遗传算法得到小样本下RBF(RadialBasisFunction，径向基函数)核函数的最优化参数，并采用最优参数RBF核函数的SVM(SupportVectorMachine，支持向量机)进行分类预测，有效的提高了字符的识别率。最后用MATLAB和LibSVM工具箱对论文给出的遗传算法优化SVM的车牌字符识别进行了验证实验，比较SVM和BP(BackPropagation，反向传播)神经网络的字符识别效果。 |
| 作者： | 张吉斌 |
| 专业： | 模式识别与智能系统 |
| 导师： | 滕青芳 |
| 授予学位： | 硕士 |
| 授予学位单位： | 兰州交通大学 |
| 学位年度： | 2013 |
| 正文语种： | 中文 |
检索历史
应用推荐
