车牌识别系统设计及基于改进SVM的字符识别研究

论文摘要

随着国民经济的日益发展,各种车辆迅速增加,在改变人们生活便利的同时,也引发了许多问题。采用智能交通管理系统(ITS)已成为当前公路交通、城市交通管理的主要手段和发展方向,而车牌自动识别技术又是智能交通管理系统中的核心部分。本文主要研究了车牌自动识别系统的设计与实现技术,综合运用了图像分析与处理技术以及人工智能和模式识别技术,在总结前人经验和工作基础上,提出了自己的整套解决方法。具体包括以下内容:车牌定位算法的研究。针对在实际交通路口中所拍下的背景复杂的高像素数码图片,本文提出了一种小波阈值去噪结合行扫描法对车牌进行粗定位,综合利用车牌多种特征的快速定位方法。该定位方法充分利用了车牌的纹理特征,色彩特征以及几何特征,引入置信度的概念筛选可疑区域。经过牌照初定位,基于Radon变换的牌照倾斜角检测,牌照精确定位三个步骤,快速准确定位出车牌所在位置。实验结果表明,对于背景复杂的高分辨率数码车辆图像,本文提出的定位方法定位速度快,定位准确率高,可适用于多种背景复杂的实际车牌识别系统应用场合。车牌字符分割算法的研究。本文提出了在颜色空间中利用树型判决结构,对车牌的类型进行判别,再根据字符规则利用投影形成空格区向量,通过搜索符合规则的向量准确分割车牌区域中的字符。对字符粘连及字符断裂现象分别提出了解决方法,可以有效地对车牌区域进行分割。车牌字符识别算法的研究。本文提出了半分积分投影对车牌字符提取特征向量,可以有效提高字符特征向量区别度;并用支持向量机(SVM)实现了车牌字符识别系统中的训练识别部分。利用该方法进行字符识别,在训练样本相对较少的情况下,仍可得到较好的识别率。研究了多类分类的支持向量机算法并应用到车牌字符的训练识别中,采用了序列最小最优化算法(SMO)对字符特征向量进行训练,然后用一对一的多类分类方法以投票方式对字符类别进行判决。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景目的和意义
• 1.2 车牌识别的国内外现状
• 1.3 课题研究的主要内容
• 1.3.1 车牌识别系统的构成
• 1.3.2 国内汽车牌照的特点
• 1.3.3 本课题的主要研究内容
• 第二章 车牌定位方法
• 2.1 车牌定位简介
• 2.2 车牌定位流程
• 2.3 CANNY算子边缘检测
• 2.3.1 平滑图像
• 2.3.2 计算梯度的幅值和方向
• 2.3.3 Canny边缘检测算法
• 2.4 小波阈值去噪
• 2.4.1 引言
• 2.4.2 小波阈值去噪原理
• 2.4.3 阈值函数的选取
• 2.4.4 阈值的选取
• 2.5 基于行扫描的车牌粗定位
• 2.5.1 引言
• 2.5.2 标记可疑线段
• 2.5.3 重构车牌区域
• 2.6 倾斜校正
• 2.6.1 引言
• 2.6.2 Radon变换原理
• 2.6.3 倾斜角度的判定
• 2.6.4 倾斜校正
• 2.7 牌照细定位
• 2.7.1 上下边界定位
• 2.7.2 左右边界定位
• 2.8 本章小结
• 第三章 字符分割
• 3.1 引言
• 3.2 基于颜色空间判断车牌类型
• 3.3 车牌字符分割
• 3.4 本章小结
• 第四章 基于支持向量机的字符识别
• 4.1 引言
• 4.2 字符归一化
• 4.3 字符特征提取
• 4.3.1 积分投影
• 4.3.2 半分积分投影
• 4.4 支持向量机基本理论
• 4.4.1 支持向量机模型
• 4.4.2 非线性分类
• 4.4.3 核函数
• 4.5 支持向量机训练算法
• 4.5.1 工作集的选取
• 4.5.2 工作集的优化问题
• 4.5.3 实现中的优化改进
• 4.5.4 SMO算法实现流程图
• 4.6 多类分类方法
• 4.7 字符训练与识别
• 4.8 本章小结
• 第五章 总结与展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 发表论文和参与项目
• 致谢