SVM多分類關(guān)鍵技術(shù)研究及其在車牌字符識(shí)別中的應(yīng)用.pdf

1、智能交通管理系統(tǒng)(ITS)已經(jīng)逐漸在公共交通管理、安全保障等問(wèn)題中發(fā)揮重要作用。車牌字符識(shí)別技術(shù)是智能交通系統(tǒng)中一項(xiàng)重要的核心技術(shù),因此對(duì)該技術(shù)的研究具有重要意義。
　　 支撐向量機(jī)(SVM)是車牌字符識(shí)別主要研究方法之一,SVM最初是針對(duì)二類分類問(wèn)題提出的,因此如何很好地將其應(yīng)用到多分類問(wèn)題上是本文研究的重要內(nèi)容。本文主要對(duì)SVM多分類關(guān)鍵技術(shù)進(jìn)行了研究,并將其在車牌字符識(shí)別方面進(jìn)行了應(yīng)用。
　　 本文主要研究了以下三

2、方面的內(nèi)容:
　　 1)給出了一種基于環(huán)形區(qū)域的像素密度特征提取方法,并將字符的環(huán)形區(qū)域像素密度特征、局部灰度特征、粗外圍特征結(jié)合在一起,輸入SVM多類分類器中進(jìn)行車牌字符識(shí)別。環(huán)形區(qū)域像素密度特征在空間上反映了字符像素在字符圖像的內(nèi)部區(qū)域和外圍區(qū)域上的分布情況。在車牌字符識(shí)別實(shí)驗(yàn)中,多特征結(jié)合的特征提取方法優(yōu)于單一特征提取方法。
　　 2)給出了一種改進(jìn)的糾錯(cuò)輸出編碼多類分類方法和一種四進(jìn)制編碼多類分類方法。糾錯(cuò)輸出編

3、碼是一種基于SVM的多類分類方法,該方法在類別數(shù)量不是2n(n是大于零的整數(shù))時(shí),存在不可分區(qū)域問(wèn)題,針對(duì)該問(wèn)題,通過(guò)引入關(guān)鍵二類分類器的方法,減少了識(shí)別器的不可分區(qū)域。針對(duì)糾錯(cuò)輸出編碼方法在編碼長(zhǎng)度過(guò)長(zhǎng)時(shí)推廣能力差的問(wèn)題,給出了一種四進(jìn)制編碼多類分類方法,縮短了編碼長(zhǎng)度,提高了識(shí)別器的推廣能力。
　　 3)給出了一種基于四進(jìn)制編碼多類分類器、糾錯(cuò)輸出編碼多類分類器和最小距離分類器的多分類器融合的字符識(shí)別算法。該算法采用的是并行

4、多分類器融合方式,在進(jìn)行字符識(shí)別時(shí),將字符的環(huán)形區(qū)域像素密度特征、局部灰度特征結(jié)合后輸入四進(jìn)制編碼多類分類器,將粗外圍特征、全像素特征分別輸入糾錯(cuò)輸出編碼多類分類器和最小距離分類器,最后采用改進(jìn)的投票法對(duì)三個(gè)單一分類器的識(shí)別結(jié)果進(jìn)行綜合決策,得到最終識(shí)別結(jié)果。在車牌字符識(shí)別實(shí)驗(yàn)中,上述三種分類器融合方法優(yōu)于單一分類器。
　　 本文研究了SVM多分類關(guān)鍵技術(shù)、車牌字符識(shí)別中的特征提取及字符識(shí)別技術(shù),并將SVM多分類關(guān)鍵技術(shù)的研究成